一种基于进化多目标优化的遥感水质图像分类方法技术

本发明专利技术公开了一种基于进化多目标优化的遥感水质图像分类方法，包括：1：输入遥感水质图像训练样本数据；步骤2：对所述的遥感水质图像训练样本数据进行预处理；步骤3：训练遥感水质图像分类模型；遥感水质图像分类包括：步骤4：输入待分类的遥感水质图像样本数据；步骤5：对所述待分类遥感水质图像样本数据进行预处理；步骤6：通过遥感水质图像分类模型对所待分类遥感水质图像样本数据进行分类。本发明专利技术能快速分类出水质污染情况，并提升分类结果的准确度和精度。

【技术实现步骤摘要】
一种基于进化多目标优化的遥感水质图像分类方法
本专利技术涉及遥感图像分类
，尤其涉及一种基于进化多目标优化的遥感水质图像分类方法。
技术介绍
近年来，随着人类活动的日益频繁，水质环境面临着巨大的压力，水质不容乐观。目前水质监测的方法主要是使用在监测断面上采取水样本传统的实验室化验水质参数的方法进行监测。传统的方法虽然精度高但是要消耗较大的人力和物力并且监测结果空间不连续，难以获得两个监测站点中间的水质状况。
技术实现思路
本专利技术为克服现有技术的不足之处，提出一种基于进化多目标优化的遥感水质图像分类方法，能快速分类出水质污染情况，并提升分类结果的准确度和精度。本专利技术为达到上述专利技术目的，采用如下技术方案：本专利技术一种基于进化多目标优化的遥感水质图像分类方法的特点是按如下步骤进行：步骤1：采集T个遥感水质图像样本，并提取T个遥感水质图像样本关于各个类别的属性特征，从而得到T个遥感水质图像的样本数据，其中，第t个遥感水质图像的样本数据，记为(xt,yt)，xt表示第t个遥感水质图像样本的属性特征，本文档来自技高网...

【技术保护点】
1.一种基于进化多目标优化的遥感水质图像分类方法，其特征是按如下步骤进行：/n步骤1：采集T个遥感水质图像样本，并提取T个遥感水质图像样本关于各个类别的属性特征，从而得到T个遥感水质图像的样本数据，其中，第t个遥感水质图像的样本数据，记为(x

【技术特征摘要】
1.一种基于进化多目标优化的遥感水质图像分类方法，其特征是按如下步骤进行：
步骤1：采集T个遥感水质图像样本，并提取T个遥感水质图像样本关于各个类别的属性特征，从而得到T个遥感水质图像的样本数据，其中，第t个遥感水质图像的样本数据，记为(xt,yt)，xt表示第t个遥感水质图像样本的属性特征，并有：表示第t个遥感水质图像样本中第i个类别的属性特征，yt表示第t个遥感水质图像样本的标签，i＝1,2,…,d，t＝1,2,…,T；
步骤2：对所述第t个遥感水质图像样本的属性特征xt进行标准化处理，得到第t个遥感水质图像样本的特征向量并与所述第t个遥感水质图像样本的标签yt构成样本空间(x′t,yt)，从而得到T个遥感水质图像样本的训练数据集，记为其中，表示第t个遥感水质图像样本中第i个类别的特征向量；
步骤3：将训练数据集以一对一的方式分成若干个二类训练子集；
步骤4：通过进化多目标优化为每个二分类训练子集初始化相应种群，且每个种群包含N个个体；
步骤5：定义当前迭代次数为p，最大迭代次数为P，并初始化p＝1；
步骤6：定义当前独立迭代次数为i，最大迭代次数为I，并初始化i＝1；
步骤7：在第p次当前迭代的第i次当前独立迭代的每个种群中的N个个体在进入多目标种群独立进化过程中，计算第p次当前迭代的第i次当前独立迭代的每个个体的真正例率TPR和反正例率FPR；
步骤8：第p次当前迭代的第i次当前独立迭代的每个个体根据真正例率TPR和反正例率FPR计算第p次当前迭代的第i次当前独立迭代的拥挤距离和适应度值，从而根据第p次当前迭代的第i次当前独立迭代的拥挤距离和适应度值选取一半子代个体作为第p次当前迭代的第i+1次当前独立迭代的父代个体；
步骤9：将i+1赋值给i，将p+1赋值给p后，重复步骤7和步骤8，直到达到所述最大独立迭代次数I；
步骤10：定义当前辅助迭代次数为g，最大辅助迭代次数为G，并初始化g＝1；
步骤11：计算第p次当前迭代的第g次当前辅助迭代的每个种群个体的平均精度；
步骤12：若第p次当前迭代的第g次当前辅助迭代的种群平均精度低于所设定的阈值的种群，将其标记为第p次当前迭代的第g次当前辅助迭代的...

【专利技术属性】
技术研发人员：程凡，张聪聪，王啟军，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽;34