一种针对城市群的融合多源数据的遗传分类方法技术

技术编号:17780396 阅读:33 留言:0更新日期:2018-04-22 09:15
本发明专利技术公开了一种针对城市群的融合多源数据的遗传分类方法,通过编码、种群初始化、构建适应度函数和遗传过程等步骤获得遗传进化后的种群,本算法以城市群为研究对象,通过结合三种遥感数据:VIIRS DNB、NDVI和NDBI,重新构建遗传算法的适应度函数,通过改进的遗传算法计算出最优阈值,能客观、快速、准确的获得城乡分类结果。

【技术实现步骤摘要】
一种融合多源数据的遗传分类算法
本专利技术涉及一种融合多源数据的遗传分类算法。
技术介绍
近年来,全球范围内,城市化进程高速推进,快速城市化影响着全球变化的方方面面,在带来一系列积极变化的同时也产生了许多的环境问题,如城市热岛、城市能耗剧增导致的污染排放问题以及城市生态破坏等。快速、准确、有效地获取城市化时空演变信息对规划城市发展以及解决城市环境问题有重要意义。遥感技术因其具备进行大面积同步观测的能力、兼顾时效性和经济性等优点可满足城镇扩展研究的需求。高、中分辨率的可见光影像被用于城镇信息提取,但是由于影像成本较高、覆盖范围有限,光谱范围难以区分城市不透水层和乡村独立居民点,可见光遥感数据应用于城镇土地利用覆盖变化的研究受到了一定的限制。夜间灯光数据能够弥补可见光数据覆盖范围较小、难以区分城乡不透水层的局限性,适用于大范围的城镇信息提取。基于夜间灯光数据提取城镇信息主要分为以下三种方式:分类法、阈值法以及指数法。Cao(2009)提出基于支持向量机分类法,应用DMSP/OLS夜间灯光数据和SPOT-VGT数据提取城市信息,分类法由于应用阈值选择训练样本,样本的选择要求一定的先验知识,训练样本的选择主观性强对结果的影响比较大;Zhang(2013)提出结合NDVI和NTL夜间灯光数据构建调整型夜间灯光指数VANUI用以提取城镇信息,指数构建通常并非以城镇结构作为依据,而是通过统计规律及常识进行构建,主观性强,适用范围有限;阈值法(Hendersonetal.2003;Imhoffetal.1997;Liuetal.2012;Sutton2003)是应用最广泛的一种方法,但是最优阈值的选择一直是很难客观解决的问题。
技术实现思路
本专利技术的目的是解决目前传统城乡分类遗传算法主观性强,适用范围窄,计算速度慢,精度低的技术问题。为实现以上专利技术目的,本专利技术提供一种融合多源数据的遗传分类算法,包括如下步骤:(1)编码将遥感影像与种群基因相关联,将夜间灯光数据像元值转化为基因值;(2)种群初始化根据种群大小、变异概率、交叉概率、最大遗传代数产生随机种群,种群中的每个个体由一个基因序列表示;(3)构建适应度函数适应度函数的构建分为以下四步:a.初始分割设个体的基因值对应的灯光亮度值为Chi,以Chi对VIIRSDNB进行初始分割,得到初始城乡分布;b.掩膜应用上一步得到的初始分割结果对VIIRSDNB、NDVI以及NDBI数据进行掩膜,可以得到城市覆盖类型和非城市覆盖类型下的VIIRSDNB、NDVI及NDBI影像;c.计算类间方差和类内方差根据掩膜结果,将VIIRSDNB、NDVI以及NDBI数据分别划分为初始城区范围和初始乡村范围;以n0和n1分别表示城市部分和乡村部分的像元数,城市部分像元定义为C0,乡村部分像元定义为C1:C0={u1,u2,…,un0};C1={n1,n2,…,nn1};城市部分的像元亮度均值为μ0,乡村部分的像元亮度均值为μ1:C0和C1的方差为:C0和C1占整幅影像的比例为:类间方差σb2和类内方差σin2分别定义为:d.计算适应度函数以类间方差与类内方差的商构建影像分割函数f:通过分别计算VIIRSDNB、NDVI和NDBI的分割函数fVIIRS、fNDVI和fNDBI来构建适应度函数,可得基因型Chi对应的适应度函数为:fitness(Chi)=2×fVIIRS+fNDVI+fNDBI;(4)进行遗传过程通过选择过程、交叉过程和变异过程进行遗传进化,产生末代种群;(5)结束遗传过程当适应度函数值在遗传过程中连续五代没有发生改变时,或者,当遗传代数达到步骤(2)中设置的最大遗传代数时,结束遗传过程。进一步地,步骤(1)中,依据夜间灯光数据的实际值域区间确定基因编码长度为12bit。进一步地,步骤(4)中,所述选择过程选用轮转赌盘法进行选择。与现有技术相比,本专利技术的有益效果是:本算法以城市群为研究对象,通过结合三种遥感数据:VIIRSDNB、NDVI和NDBI,重新构建遗传算法的适应度函数,通过改进的遗传算法计算出最优阈值,能客观、快速、准确的获得城乡分类结果。附图说明图1是本专利技术的流程图;图2是本专利技术以珠江三角洲为例的算法结果展示图;图3是本专利技术计算结果的精度定性评价图;具体实施方式下面结合附图和具体实施例对本专利技术作进一步说明。本算法采用了以下研究数据:1、夜间灯光数据TheVisible-InfraredImager-RadiometerSuite(VIIRS)是新一代的辐射计,VIIRSDay/NightBand(DNB)数据相比于前一代夜间灯光数据DMSP/OLS有着明显的进步,主要总结为以下三个方面:空间分辨率从1km提高至500m;星上定标使数据质量更高;16bit的数据量所包含的信息要远远多于DMSP的DN值范围(0-63),能够大大缓解夜间灯光数据城市区域灯光饱和的问题。2、MODIS数据自2000年起,MODIS数据称为全球尺度研究应用最广泛的数据,应用500mMODIS8-daysurfacereflectanceproduct(MOD09A1)计算得到NormalizedDifferenceVegetationIndex(NDVI),NormalizedDifferenceBuild-upIndex(NDBI)以及ModifiedNormalizedDifferencewaterIndex(MNDWI)。应用MNDWI数据做水体掩膜,可以将水体的影响剔除;归一化植被指数NDVI用于表征植被覆盖;归一化建筑指数NDBI用于表征建筑用地的土地覆盖类型。本专利技术提出基于GeneticAlgorithm(GA)遗传算法的分类方法用于自动产生最优阈值以快速、准确地提取城乡信息,如技术流程图,本算法主要分为以下四步:1、编码在遗传算法中,编码的过程就是将研究对象与遗传学中基因相关联,所以确定编码规则,是遗传算法应用于实际问题的第一步。将遥感影像与种群基因相关联的方法就是将像元值转化为基因值,本项目依据夜间灯光数据的实际值域区间确定基因编码长度为12bit。2、种群初始化确定种群编码规则后,根据种群大小、变异概率、交叉概率、最大遗传代数产生随机种群,本项目中种群中的每个个体由一个基因序列表示,基因的遗传变异会影响个体的表现型。3、适应性函数构建“优胜劣汰,适者生存”,适应度函数反映了个体的生存能力,遗传算法的最优解,也是遗传算法中最重要的一部分。本项目适应度函数的构建分为四步:初始分割个体的基因值对应的灯光亮度值为Chi,以Chi对VIIRSDNB进行初始分割,得到初始城乡分布。掩膜应用上一步得到的初始分割结果对VIIRSDNB,NDVI以及NDBI数据进行掩膜,可以得到城市覆盖类型和非城市覆盖类型下的DNB,NDVI及NDBI影像。计算类间方差和类内方差根据掩膜结果,将VIIRSDNB,NDVI以及NDBI数据分别划分为初始城区范围和初始乡村范围。n0和n1分别是城市部分和乡村部分的像元数,城市部分定义为C0,乡村部分定义为C1:C0={u1,u2,…,un0}C1={n1,n2,…,nn1}城市部分的像元亮度均值为μ0,乡村部分的均值为μ1:C0和C1的方差为:C0和C1占本文档来自技高网
...
一种<a href="http://www.xjishu.com/zhuanli/55/201711127403.html" title="一种针对城市群的融合多源数据的遗传分类方法原文来自X技术">针对城市群的融合多源数据的遗传分类方法</a>

【技术保护点】
融合多源数据的遗传分类算法,其特征在于,包括如下步骤:(1)编码将遥感影像与种群基因相关联,将夜间灯光数据像元值转化为基因值;(2)种群初始化根据种群大小、变异概率、交叉概率、最大遗传代数产生随机种群,种群中的每个个体由一个基因序列表示;(3)构建适应度函数适应度函数的构建分为以下四步:a.初始分割设个体的基因值对应的灯光亮度值为Chi,以Chi对VIIRS DNB进行初始分割,得到初始城乡分布;b.掩膜应用上一步得到的初始分割结果对VIIRS DNB、NDVI以及NDBI数据进行掩膜,可以得到城市覆盖类型和非城市覆盖类型下的VIIRS DNB、NDVI及NDBI影像;c.计算类间方差和类内方差根据掩膜结果,将VIIRS DNB、NDVI以及NDBI数据分别划分为初始城区范围和初始乡村范围;以n0和n1分别表示城市部分和乡村部分的像元数,城市部分像元定义为C0,乡村部分像元定义为C1:C0={u1,u2,…,un0};C1={n1,n2,…,nn1};城市部分的像元亮度均值为μ0,乡村部分的像元亮度均值为μ1:

【技术特征摘要】
1.融合多源数据的遗传分类算法,其特征在于,包括如下步骤:(1)编码将遥感影像与种群基因相关联,将夜间灯光数据像元值转化为基因值;(2)种群初始化根据种群大小、变异概率、交叉概率、最大遗传代数产生随机种群,种群中的每个个体由一个基因序列表示;(3)构建适应度函数适应度函数的构建分为以下四步:a.初始分割设个体的基因值对应的灯光亮度值为Chi,以Chi对VIIRSDNB进行初始分割,得到初始城乡分布;b.掩膜应用上一步得到的初始分割结果对VIIRSDNB、NDVI以及NDBI数据进行掩膜,可以得到城市覆盖类型和非城市覆盖类型下的VIIRSDNB、NDVI及NDBI影像;c.计算类间方差和类内方差根据掩膜结果,将VIIRSDNB、NDVI以及NDBI数据分别划分为初始城区范围和初始乡村范围;以n0和n1分别表示城市部分和乡村部分的像元数,城市部分像元定义为C0,乡村部分像元定义为C1:C0={u1,u2,…,un0};C1={n1,n2,…,nn1};城市部分的像元亮度均值为μ0,乡村部分的像元亮度均值为μ1:C0和C1的方差为:

【专利技术属性】
技术研发人员:陈云浩李康宁李京
申请(专利权)人:北京师范大学
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1