一種高光譜遙感影像波段選擇方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種高光譜遙感影像波段選擇方法，具體為一種基于混合二進(jìn)制粒子 群差分進(jìn)化的、以獲得最優(yōu)波段組合為目標(biāo)的基于封裝式HBPS0DE-SVM算法的高光譜遙感 影像波段選擇方法，屬于高光譜遙感圖像處理技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 遙感（Remote Sensing)是一門(mén)利用電磁波原理來(lái)獲取遠(yuǎn)方信號(hào)并使之成像，能夠 遙遠(yuǎn)地感受感知遠(yuǎn)方事物的技術(shù)，是一門(mén)新興科學(xué)。隨著計(jì)算機(jī)技術(shù)及光學(xué)技術(shù)的提高，遙 感技術(shù)也得到了迅速的發(fā)展。近年來(lái)，各式各樣的遙感衛(wèi)星不斷成功發(fā)射，推動(dòng)了遙感數(shù)據(jù) 獲取技術(shù)朝著三高（高空間分辨率、高光譜分辨率和高時(shí)間分辨率）和三多（多平臺(tái)、多傳 感器、多角度）方向發(fā)展。
[0003] 高光譜遙感具有光譜分辨率高的特點(diǎn)，它通過(guò)在不同空間平臺(tái)上搭載高光譜傳感 器，從而可以在電磁波譜的可見(jiàn)光、近紅外、中紅外和熱紅外波段范圍內(nèi)，以連續(xù)的光譜波 段對(duì)地表區(qū)域同時(shí)成像，波段數(shù)目可達(dá)到數(shù)十以致數(shù)百個(gè)，并獲得地物連續(xù)的光譜信息，從 而實(shí)現(xiàn)了地物空間、輻射和光譜信息的同步獲取。與常規(guī)遙感相比，主要區(qū)別在于高光譜遙 感是窄波段成像，且除了二維的空間信息外，還增加了一維光譜信息，使得遙感技術(shù)的應(yīng)用 領(lǐng)域得到了拓展。
[0004] 高光譜遙感可以探測(cè)到更為精細(xì)的光譜特性，高光譜圖像具有常規(guī)遙感無(wú)法企及 的光譜信息，有利于地物分類、識(shí)別和混合像元分解等處理。但是高光譜圖像在光譜信息量 增加的同時(shí)，也增加了數(shù)據(jù)的維數(shù)，使得圖像的數(shù)據(jù)量激增。其較高的維數(shù)和波段間的相關(guān) 性不僅會(huì)使運(yùn)算變得復(fù)雜，處理速度大大下降，而且在有限樣本的情況下，可能會(huì)導(dǎo)致分類 精度降低。當(dāng)成像光譜儀獲得高光譜圖像數(shù)據(jù)后，波段選擇顯得尤為重要。
[0005] 高光譜遙感影像波段選擇可以被看作是一個(gè)NP難組合優(yōu)化問(wèn)題，用智能次優(yōu)搜 索算法依照評(píng)價(jià)準(zhǔn)則函數(shù)能從全波段中選擇出若干個(gè)波段組成對(duì)分類精度有較好性能的 波段組合。常見(jiàn)的智能算法已經(jīng)被成功應(yīng)用到波段選擇當(dāng)中，但是其缺陷也很快暴露出來(lái)， 遺傳算法不能在有限的時(shí)間內(nèi)有效地收斂，蟻群算法由于其初始信息素匱乏求解速度慢， 一般需要較長(zhǎng)的搜索時(shí)間，且易出現(xiàn)早熟現(xiàn)象。粒子群算法雖然收斂速度快，但精度不高 容易出現(xiàn)早熟。PS0算法和DE算法都屬于基于群體智能的新型啟發(fā)式算法，都可以單獨(dú)運(yùn) 用于高光譜遙感影像波段選擇當(dāng)中。但是兩種算法都存在著一些缺陷，在種群迭代的初期 個(gè)體保持著較高的多樣性，隨著迭代次數(shù)的增加，PS0算法中的個(gè)體逐步靠近種群中最優(yōu)粒 子，DE算法則在執(zhí)行選擇操作時(shí)采用貪心策略，即只有當(dāng)變異個(gè)體比當(dāng)前個(gè)體的適應(yīng)度函 數(shù)值更優(yōu)秀時(shí)候才能參與下一次迭代進(jìn)化。這些進(jìn)化機(jī)制雖然可以加快算法收斂速度，但 也使得種群個(gè)體間的差異逐漸縮小，種群的多樣性也隨之減小，此時(shí)種群易于陷入局部最 優(yōu)解，即適應(yīng)度函數(shù)值變化緩慢或者幾乎沒(méi)有變化。針對(duì)兩種算法的缺陷，本發(fā)明的方法是 采用雙種群進(jìn)化策略，讓兩種算法同時(shí)迭代進(jìn)化尋找最優(yōu)波段組合解，通過(guò)一種信息交流 機(jī)制來(lái)幫助彼此種群脫離局部最優(yōu)解。

【發(fā)明內(nèi)容】

[0006] 發(fā)明目的：為了克服現(xiàn)有高光譜遙感圖像波段選擇技術(shù)上的不足，提高分類精度， 本發(fā)明提供了一種高光譜波段選擇方法，是一種以獲得最優(yōu)波段組合為目標(biāo)的基于封裝式 混合二進(jìn)制粒子群差分進(jìn)化（HBPS0DE-SVM)算法的波段選擇方法。
[0007] 技術(shù)方案：一種高光譜遙感影像波段選擇方法，首先對(duì)原始高光譜遙感影像進(jìn)行 預(yù)處理，將雙種群個(gè)體和算法參數(shù)初始化，然后應(yīng)用混合二進(jìn)制粒子群差分進(jìn)化（HBPS0DE) 法，讓雙種群并行迭代并通過(guò)種群之間傳遞最優(yōu)解信息，并利用SVM分類器計(jì)算分類精度 作為適應(yīng)度值，更新進(jìn)化直至達(dá)到規(guī)定進(jìn)化次數(shù)或達(dá)到最大精度為止。
[0008] 對(duì)PS0算法和DE算法做出相應(yīng)的修改，提出一種混合編碼的二進(jìn)制差分進(jìn)化算 法，使其能拓展到離散域上；首先定義輔助搜索空間S' = [_a，a]d，a為正整數(shù)，解空間S = {〇, 1}d，d為問(wèn)題的維數(shù)；然后由輔助搜索空間D維實(shí)數(shù)向量X加解空間二進(jìn)制D維向量B 即（X，B)作為個(gè)體（或變異體）的混合編碼表示形式；實(shí)數(shù)向量X依然按照差分進(jìn)化算法 執(zhí)行變異操作和交叉操作，在執(zhí)行選擇操作之前，需要將實(shí)數(shù)向量X通過(guò)滿同態(tài)演化映射 成二進(jìn)制向量B，滿同態(tài)演化映射函數(shù)定義：
[0009]
【主權(quán)項(xiàng)】
1. 一種高光譜遙感影像波段選擇方法，其特征在于：首先對(duì)原始高光譜遙感影像進(jìn)行 預(yù)處理，將雙種群個(gè)體和算法參數(shù)初始化，然后應(yīng)用混合二進(jìn)制粒子群差分進(jìn)化（HBPSODE) 法，讓雙種群并行迭代并通過(guò)種群之間傳遞最優(yōu)解信息，并利用SVM分類器計(jì)算分類精度 作為適應(yīng)度值，更新進(jìn)化直至達(dá)到規(guī)定進(jìn)化次數(shù)或達(dá)到最大精度為止。
2. 如權(quán)利要求1所述的高光譜遙感影像波段選擇方法，其特征在于：在種群個(gè)體和算 法參數(shù)初始化過(guò)程中，采取雙種群并行搜索策略，初始化2個(gè)種群，雙種群并行迭代進(jìn)化。 每次迭代結(jié)束之后，種群之間共享各自搜索到最優(yōu)解，實(shí)現(xiàn)信息的交流，讓種群在下一次迭 代進(jìn)化時(shí)不僅參考自身種群的最優(yōu)解也會(huì)考慮對(duì)方種群的最優(yōu)解，引導(dǎo)種群脫離局部最優(yōu) 解。
3. 如權(quán)利要求2所述的高光譜遙感影像波段選擇方法，其特征在于：對(duì)PSO算法和DE 算法做出相應(yīng)的修改，提出一種混合編碼的二進(jìn)制差分進(jìn)化算法，使其能拓展到離散域上； 首先定義輔助搜索空間S' = [_a，a]d，a為正整數(shù)，解空間S= {0，l}d，d為問(wèn)題的維數(shù)；然 后由輔助搜索空間D維實(shí)數(shù)向量X加解空間二進(jìn)制D維向量B即（X，B)作為個(gè)體（或變異 體）的混合編碼表示形式；實(shí)數(shù)向量X依然按照差分進(jìn)化算法執(zhí)行變異操作和交叉操作，在 執(zhí)行選擇操作之前，需要將實(shí)數(shù)向量X通過(guò)滿同態(tài)演化映射成二進(jìn)制向量B，滿同態(tài)演化映 射函數(shù)定義：
其中，hu(t+l)為交叉操作后變異體的每一個(gè)分量值
為模糊函數(shù)， bu (t+Ι)為二進(jìn)制向量B的每一個(gè)分量值，調(diào)整因子μ可以控制bu (t+Ι)被置為1的概率 大小，取μ = 0. 5。 設(shè)（XiahBiU))和（ΧΑ+υ,ΒΑ+Ι))分別表示種群的第t代和第t+1代個(gè)體i， (Hi (t+1)，Ei (t+1))表示第t+1代個(gè)體i的變異體，f (X)表示適應(yīng)度函數(shù)。新的選擇操作如 下定義：
4. 如權(quán)利要求3所述的高光譜波段選擇方法，其特征在于，所述對(duì)原始高光譜遙感影 像進(jìn)行預(yù)處理，將雙種群個(gè)體和算法參數(shù)初始化包括： 原始高光譜遙感影像預(yù)處理：剔除干擾波段，預(yù)選地物類型，以及設(shè)置搜索空間的維數(shù) D和算法最大迭代進(jìn)化次數(shù)MaxDT ; 初始化按HBPSO算法進(jìn)化的種群Ppso以及相關(guān)參數(shù)：設(shè)置種群個(gè)數(shù)為Np，設(shè)置學(xué)習(xí)因 子C1，學(xué)習(xí)因子C2，最大慣性權(quán)重系數(shù)Wmax，最小慣性權(quán)重系數(shù)W min等；為了提高粒子群算法 的性能，其中慣性權(quán)重w按照如下公式更新，i表示第i次迭代；
初始化按HBDE算法進(jìn)化的種群Pde以及相關(guān)參數(shù)：設(shè)置種群個(gè)數(shù)為Nd，縮放因子F，雜 交參數(shù)CR等；為了提高差分進(jìn)化（DE)算法性能，其中縮放因子F按照如下公式更新，R)是 一個(gè)常數(shù)，i表示第i次迭代；
(2) 〇
5.如權(quán)利要求3所述的高光譜波段選擇方法，其特征在于，應(yīng)用混合二進(jìn)制粒子群差 分進(jìn)化法，讓雙種群并行迭代并通過(guò)種群之間傳遞最優(yōu)解信息，并利用SVM分類器計(jì)算分 類精度作為適應(yīng)度值，更新進(jìn)化直至達(dá)到規(guī)定進(jìn)化次數(shù)或達(dá)到最大精度為止，具體為： 設(shè)置進(jìn)化迭代計(jì)數(shù)器t = 0。 Ppso種群按照HBPSO算法進(jìn)行一次位置和速度更新，利用SVM分類器對(duì)更新后的波段 組合實(shí)施分類，并計(jì)算分類精度作為適應(yīng)度值，記錄下第t代最佳適應(yīng)度值和波段組合； Pde種群按照HBDE算法對(duì)所有個(gè)體進(jìn)行變異、交叉、選擇操作；利用SVM分類器計(jì)算適 應(yīng)度值，記錄下第t代最佳適應(yīng)度值和波段組合； 比較Ppso和Pde第t代選擇出來(lái)的最佳適應(yīng)度值，調(diào)整各自種群的最優(yōu)解； 更新進(jìn)化代數(shù)計(jì)數(shù)器t = t+1 ;如果進(jìn)化代數(shù)達(dá)到最大進(jìn)化次數(shù)或者滿足精度要求。
【專利摘要】本發(fā)明公開(kāi)了一種基于混合二進(jìn)制粒子群差分進(jìn)化的高光譜遙感影像波段選擇方法，首先對(duì)原始高光譜遙感影像進(jìn)行預(yù)處理，將雙種群個(gè)體和算法參數(shù)初始化，然后應(yīng)用混合二進(jìn)制粒子群差分進(jìn)化（HBPSODE）法，讓雙種群并行迭代并通過(guò)種群之間傳遞最優(yōu)解信息，并利用SVM分類器計(jì)算分類精度作為適應(yīng)度值，更新進(jìn)化直至達(dá)到規(guī)定進(jìn)化次數(shù)或達(dá)到最大精度為止。
【IPC分類】G06K9-62
【公開(kāi)號(hào)】CN104751176
【申請(qǐng)?zhí)枴緾N201510129917
【發(fā)明人】高紅民, 李臣明, 王艷, 陳玲慧
【申請(qǐng)人】河海大學(xué)
【公開(kāi)日】2015年7月1日
【申請(qǐng)日】2015年3月24日