技術(shù)特征：

1.一種基于異構(gòu)布谷鳥搜索的波段選擇高光譜分類算法，其特征在于：所述算法包括以下步驟：

2.如權(quán)利要求1所述的一種基于異構(gòu)布谷鳥搜索的波段選擇高光譜分類算法，其特征在于：所述s2中全局探索是通過萊維飛行實現(xiàn)種群更新來完成，其定義式如下：

3.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)布谷鳥搜索的波段選擇高光譜分類算法，其特征在于：所述s2中局部利用是通過偏好隨機游走來執(zhí)行種群更新完成，其定義式如下：

4.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)布谷鳥搜索的波段選擇高光譜分類算法，其特征在于：所述s3中異構(gòu)搜索的定義式如下：

5.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)布谷鳥搜索的波段選擇高光譜分類算法，其特征在于：所述s5中鄰域波段的分組定義式如下：

6.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)布谷鳥搜索的波段選擇高光譜分類算法，其特征在于：所述s6中滑譜分解的定義式如下：

7.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)布谷鳥搜索的波段選擇高光譜分類算法，其特征在于：所述s7中的分類方式為knn結(jié)合隨機森林的分類方法。knn和隨機森林是兩種常見的分類算法，它們可以結(jié)合使用來提高分類性能；下面是將knn和隨機森林進行結(jié)合的分類方法步驟：

技術(shù)總結(jié)
本發(fā)明公開了一種基于異構(gòu)布谷鳥搜索的波段選擇高光譜分類算法，以獲得高質(zhì)量的高光譜圖像分類結(jié)果。所述方法包括：首先，采用異構(gòu)搜索策略，提高布谷鳥搜索算法的探索和開發(fā)能力。然后，設(shè)計基于匹配濾波器的波段選擇模型來選擇具有高信噪比的波段子集，該模型通過對高光譜數(shù)據(jù)進行降維，去除冗余波段，同時提供可以保留高信息內(nèi)容和低噪聲的波段子集。設(shè)計了一種基于鄰域分組策略的映射方法，以減少所選波段之間的相似性。隨后，提出了一種基于滑譜分解的波段數(shù)自動推薦策略。經(jīng)過三個著名數(shù)據(jù)集上的實驗結(jié)果表明，與邊緣化圖自表示、鄰域分組歸一化匹配濾波器等最先進的方法相比，所提出的算法具有魯棒性、優(yōu)越性和區(qū)域多重圖融合的優(yōu)點。

技術(shù)研發(fā)人員：余丹,尹小強,吳蒙,楊永鵬,張海洋,李渙哲,謝文武
受保護的技術(shù)使用者：湖南理工學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23