基於螢火蟲優化的高光譜遙感影像波段選擇方法
2023-05-21 10:48:06 1
基於螢火蟲優化的高光譜遙感影像波段選擇方法
【專利摘要】本發明公開一種基於改進螢火蟲算法的高光譜遙感影像波段選擇算法,改進了FA算法中的目標函數。波段選擇的優化改進是先對波段索引位置進行隨機初始化,位置矩陣大小為s=n*b(已知參數n,b為用戶自輸入的波段選擇數目);選擇不同的光譜類別距離函數作為目標函數,代入已得到的初始位置矩陣,計算得到一維數組對應於螢火蟲的螢光亮度值,根據亮度值的優劣即目標函數值的大小,進行排序(明確劣勢點向優勢點靠近);更新特徵選擇後的波段即螢火蟲移動後的位置信息;當滿足最大迭代次數或者搜索精度時,記錄波段選擇結果。本發明能夠解決高光譜遙感傳統波段選擇算法精度不高,費時較長的問題。本發明方法具有波段選擇效果好、適應性廣等特點。
【專利說明】基於螢火蟲優化的高光譜遙感影像波段選擇方法
【技術領域】
[0001]本發明涉及一種基於螢火蟲優化的高光譜遙感影像波段選擇方法,屬於高光譜遙感圖像處理【技術領域】。
【背景技術】
[0002]高光譜遙感也叫成像光譜學(Imaging Spectroscopy),是指利用很多窄的電磁波波段獲取物體有關數據的技術,是20世紀最後20年人類在對地觀測方面取得的重大技術突破之一,也是當前及今後幾十年內的遙感前沿技術。它利用成像光譜儀納米級的光譜解析度,獲取許多非常窄且光譜連續的圖像數據,實現地物空間、輻射、光譜信息的同步獲取;從而為每個像元提供數十至數百個窄波段(波段寬度小於IOnm)的光譜信息,生成一條完整而連續的光譜曲線。進入21世紀以來,高光譜遙感技術取得了重大進展,伴隨著一系列基本問題的解決,高光譜遙感已由實驗研究階段逐步轉向實際應用階段。而作為高光譜遙感應用這一熱點中的重點就是高光譜影像數據處理效率的提高和與之緊密相連的應用領域的擴展。
[0003]波段選擇是遙感圖像識別與分類的重要環節之一。在樣本數不是很多的情況下,用很多特徵進行分類,無論從計算的複雜度還是性能上來說都是不適宜的。因此研究如何把高維特徵空間壓縮到低維特徵空間以便進行有效處理成為一個重要的問題。在高光譜數據中,每一個光譜波段都可以看成一個特徵,選擇某些對後續目標如影像分類起主要作用的波段子集的過程叫做波段選擇。通過波段選擇,可以從海量的高光譜影像中去除冗餘或噪聲波段,從而降低算法的複雜度並提高分類的準確度。
[0004]一般來說,選擇最佳波段的原則有三點:一是所選擇的波段信息量應最大;二是所選擇的波段數據間的相關性要小;三是研究區內欲識別地物的光譜響應特點能使某些類別地物之間最容易區分。因此,那些信息含量多、相關性小、地物光譜差異大、可分性好的波段就是應該選擇的最佳波段。目前國內外在這方面進行了系列的研究,在早期的多光譜應用中,人們已經意識到不同的光譜波段對不同的地物具有診斷性,並將信息散度(Divergence)、變換散度(Transformed Divergence)、JM (Jeffreys-Matusita)距離和馬氏(Bahattacharyya)距離等用於多光譜的波段選擇中;另外,互信息(Mutual Information)算法也被應用於TM最優波段的選擇。近年來,隨著高光譜遙感的發展,不僅以上算法擴展到了高光譜領域,而且一些新的算法也陸續提出,如基於統計量的算法:熵與聯合熵、最佳指數因子(0IF)、波段指數(Band Index),光譜導數等,但是這些算法基本上採用一次統計量來度量波段相對於後續分類的重要性,不能消除附加在數據中的噪聲信息。因此一些更為複雜的算法受到了重視,如基於PCA和噪音估計的MVPCA和MSNRPCA算法、基於最小能量約束的線性約束最小協方差(LCMV-BCC/BCM)等算法。
[0005]以上研究使高光譜數據的處理效率和應用範圍得到了極大的擴展。然而,當前大多數的高光譜遙感波段選擇算法普遍效率較低,這是因為一方面算法本身不夠完善、計算複雜、處理時間長;另一方面是高光譜遙感數據量龐大,波段數目多。因此,要發展一些相對快速操作簡單的方法來進行波段選擇。
【發明內容】
[0006]發明目的:針對上述現有技術存在的問題和不足,本發明的目的是提供一種基於螢火蟲優化的高光譜遙感影像波段選擇方法,解決高光譜遙感波段選擇中精度不高,費時較長的問題。
[0007]技術方案:一種基於螢火蟲優化的高光譜遙感影像波段選擇方法,包括以下步驟:
[0008]步驟1,選擇需進行降維的高光譜影像S ;
[0009]步驟2,進行參數設置,最大迭代次數MaxGeneration=500,步長因子α =0.5,光強吸收係數Y =1,最大吸引度β(!=1 ;
[0010]步驟3,隨機初始化螢火蟲位置,位置矩陣大小為s,則s=n*b,參數η為螢火蟲數目也就是已知實驗組數目,b為用戶輸入的波段選擇數目;
[0011]步驟4,設置迭代循環的次數,對於FA的每次迭代,執行以下步驟:
[0012](a)對於選擇出的具體波段,確定目標函數;
[0013](b)對於步驟3中確定的位置矩陣S,將其代入步驟(a)所選擇出的目標函數進行計算,得到數值為其所對應的螢火蟲亮度值;
[0014](C)根據數值大小,對螢火蟲的亮度值進行排序;
[0015](d)利用螢火蟲位置更新公式更新所有已選擇的波段位置;
[0016](e)重複執行步驟a)_d),直到FA符合迭代條件,S(I)作為最優波段輸出。
[0017]進一步的,所述步驟4中目標函數採用Jeffries-Matusita距離作為測度函數:
【權利要求】
1.一種基於螢火蟲優化的高光譜遙感影像波段選擇方法,其特徵在於,包括以下步驟: 步驟1,選擇需進行降維的高光譜影像S ; 步驟2,進行參數設置,最大迭代次數MaxGenerat1n=500,步長因子α =0.5,光強吸收係數Y =1,最大吸引度β(!=1 ; 步驟3,隨機初始化螢火蟲位置,位置矩陣大小為s,則s=n*b,參數η為螢火蟲數目也就是已知實驗組數目,b為用戶輸入的波段選擇數目; 步驟4,設置迭代循環的次數,對於FA的每次迭代,執行以下步驟: Ca)對於選擇出的具體波段,確定目標函數; (b)對於步驟3中確定的位置矩陣S,將其代入步驟(a)所選擇出的目標函數中進行計算,得到數值為其所對應的的螢火蟲亮度值; (C)根據數值大小,對螢火蟲的亮度值進行排序; Cd)利用螢火蟲位置更新公式更新所有已選擇的波段位置; Ce)重複執行步驟a) -d),直到FA符合迭代條件,s (I)作為最優波段輸出。
2.根據權利要求1所述基於粒子群優化的高光譜遙感影像自適應波段選擇方法,其特徵在於,所述步驟4中目標函數採用Jeffries-Matusita距離作為測度函數:
3.根據權利要求1所述基於粒子群優化的高光譜遙感影像自適應波段選擇方法,其特徵在於,所述步驟4中的目標函數採用變換散度作為測度函數:
4.根據權利要求1所述基於粒子群優化的高光譜遙感影像自適應波段選擇方法,其特徵在於,所述步驟(d)中的波段位置更新公式分別由以下公式實現:
【文檔編號】G06K9/62GK104021393SQ201410126516
【公開日】2014年9月3日 申請日期:2014年3月31日 優先權日:2014年3月31日
【發明者】蘇紅軍, 李茜楠 申請人:河海大學