一种基于变长编码的二进制水稻育种算法的高光谱图像波段选择方法技术

本发明专利技术涉及一种基于变长编码的二进制水稻育种算法的高光谱图像波段选择方法，不仅能够获得高高光谱图像分类精度的波段子集，而且能显著提高计算速度和节省内存开销，具体包括：对水稻种群个体进行分组，不同组别之间个体维度不等，相同组内个体维度相同，即各组维度不等种群代表长度不等的波段子集；根据动态学习率与随机数的大小关系，为每一个水稻个体分配学习样本，水稻个体进行自我学习或参照学习；通过水稻育种算法中的杂交、自交以及重置操作对水稻个体位置更新；为避免算法陷入局部最优，当全局最优在达到预定迭代次数后而并未明显变优，通过改变学习率和种群个体的维度来实现变长编码机制。

【技术实现步骤摘要】
一种基于变长编码的二进制水稻育种算法的高光谱图像波段选择方法
本专利技术属于高光谱图像处理和智能计算的交叉应用领域，涉及进化算法在图像处理中的应用，尤其是在高光谱图像波段选择问题上的解决办法，具体涉及一种基于变长编码的二进制水稻育种算法的高光谱波段选择方法。
技术介绍
高光谱遥感图像是运用成像光谱仪在可见光近红外至热红外整个波段范围内获取的光谱连续的影像数据，包含丰富的光谱信息，被广泛应用于智慧城市建设、城市人口和城市环境动态监测、应急灾害监测以及土地调查等领域高光谱图像分类是一个极为重要研究方向，但面临光谱通道数量大、光谱特征空间变异性大以及获取真实样本标签成本高等问题，同时，光谱图像相邻波段间相似性较高，并非所有的波段在后续处理中都有实际作用。因此，通过波段选择技术选择最优波段组成新的光谱图像空间，可以在提高分类精度的同时也能够达到数据降维的目的。主流的波段选择方法包括基于信息量原则的波段选择方法、基于类别可分性原则的波段选择方法和基于搜索方法的波段选择方法，这些方法的提出与应用都对高维高光谱图像的降维有较大的帮助，本文档来自技高网...

【技术保护点】
1.一种基于变长编码的二进制水稻育种算法的高光谱图像波段选择方法，其特征在于，包括以下步骤：/n步骤1：读取图像，获取图像波段信息，提取原始波段样本集作为原始输入集；/n步骤2：初始化种群和变长编码二进制水稻育种算法所需参数，所述的初始化参数包括：种群规模PopSize，最大迭代次数I

【技术特征摘要】
1.一种基于变长编码的二进制水稻育种算法的高光谱图像波段选择方法，其特征在于，包括以下步骤：
步骤1：读取图像，获取图像波段信息，提取原始波段样本集作为原始输入集；
步骤2：初始化种群和变长编码二进制水稻育种算法所需参数，所述的初始化参数包括：种群规模PopSize，最大迭代次数Imax，最大自交次数maxTime，学习样本重置代数Pcount，种群长度重置代数α，参考学习代数β，种群分组数目Nbr；
步骤3：初始化各个分组中变长编码种群个体；
步骤4：将每个水稻个体进行二进制编码并求其所代表波段子集的适应度值；将变长编码的水稻育种算法中水稻个体的初始位置向量编码成相应的波段子集，计算每个波段子集的适应度函数；所述的波段子集是指将水稻育种算法中的水稻个体解码成对应的波段选择问题的解，编码后的水稻个体由一串0和1组成，1表示此位置对应的波段被选中，0表示此位置对应的波段未被选中；
步骤5：根据初始种群适应度值计算学习率Pc；
步骤6：根据种群的学习率Pc为水稻个体选择学习方式，水稻个体进行自我学习或参考学习，并在种群每迭代β代后判断局部最优Pbest有无提升，若否，则水稻个体的学习方式为参考学习；
步骤7：水稻个体进行位置更新；首先根据种群个体适应度值大小将各个组中水稻个体划分为保持系、恢复系和不育系，然后通过水稻育种算法杂交、自交以及重置操作对水稻个体进行位置更新水稻育种算法杂交、自交以及重置操作对水稻个体进行位置更新；
步骤8：记录更新后的种群适应度值、局部最优Pbest和全局最优Gbest，并在种群每迭代α代后判断局部最优Gbest有无提升，若有提升，则回转执行步骤6，若无提升，则执行步骤9；
步骤9：根据预定义规则更新种群个体的维度；
步骤10：重置学习率Pc；
步骤11：判断当前迭代次数是否达到最大迭代次数，若否，则执行步骤6，若是，则输出全局最优的水稻个体所对应的波段子集及其适应度值。


2.根据权利要求1所述的种基于变长编码的二进制水稻育种算法的高光谱图像波段选择方法，其特征在于步骤3中所述根据种群组号初始化各组中的种群个体；
步骤3.1：根据种群划分公式划分种群，其公式为：



其中PopSize表示种群规模，Nbr为种群的划分组数，DivSize表示每个组别内水稻个体的个数；上述公式的具体含义是将PopSize个种群合体划分至Nbr个组别中，每个组中DivSize个个体；
步骤3.2：根据个体维度划分公式划分各个组中的个体维度，其公式为：



其中，ParLenv表示第V组中个体的维度，Maxlen表示输入图像的特征数量，V表示当前组号，Nbr表示种群的划分组数。


3.根据权利要求1所述的种基于变长编码的二进制水稻育种算法的高光谱图像波段选择方法，其特征在于步骤4中所述的将每个水稻个体进行二进制编码并求其所代表波段子集的适应度值；
步骤4.1需利用S型函数对十进制表现形式的水稻个体进行二进制编码，S型函数的公式如下：



其中，表示第i个个体的第d个位置分量，当时，当时，
步骤4.2计算水稻个体适应度值，其计算公式为：
fitness＝(γ·Accu+(1-γ)·Dist)
其中，Accu表示特征子集分类的准确度，Dist用来衡量特征子集区分同类实例间或不同类实例间的区别的曼哈顿距离，γ用来约束Accu和Dist所占的权重；
其中Accu的计算公式为：



c表示分类问题中类别的总数，TPRi表示第i类中实质的正确率；
又Dist的计算公式为：



其中Db表示不同类间的最小距离，其计算公式如下：



其中Dw表示相同类间的最小距离，其计算公式如下：



其中M表示总的实例数目，Dis(Ii,Ij)表示实例i和实例j的曼哈顿距离。


4.根据权利要求1所述的种基于变长编码的二进制水稻育种算法的高光谱图像波段选择方法，其特征在于步骤5中所述的计算初始种群的学习率，其计算公式如下：...

【专利技术属性】
技术研发人员：叶志伟，闫春艳，刘诗芹，陈璇，舒哲，李瑞成，刘畅，杨光泽，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：湖北;42