一种基于进化计算的高光谱图像波段选择方法技术

本发明专利技术公开了一种基于进化计算的高光谱图像波段选择方法，涉及遥感图像处理技术领域，具体包括：使用多目标优化算法，对高光谱图像进行降维；在对高光谱特征选择的时候，随机在高光谱图像上取若干个像素点，计算这若干个像素点与其空间领域像素点之间在经过特征选择后的低维空间上的欧式距离，以及使用拉普拉斯矩阵计算若干点在不同选择特征的维度上的邻域距离指标与原始维度的结构相似性指标；以上述的两个指标作为优化目标，建立基于改进NSGAII的多目标优化模型，对波段空间进行二进制编码，经过交叉变异，最终得到最优的波段子集，有效提高分类精度和效率，同时也可以控制选择需要选择的波段数量，满足不同场景下的使用需求。用需求。用需求。

【技术实现步骤摘要】
一种基于进化计算的高光谱图像波段选择方法


[0001]本专利技术涉及遥感图像处理
，具体是一种基于进化计算的高光谱图像波段选择方法。

技术介绍

[0002]随着遥感技术的不断发展，由高光谱传感器在可见光、近红外、中红外和热红外波段范围内获得的非常窄且光谱连续的图像，称为高光谱图像。大量的波段能够更好的识别和区分不同的地物，在地形识别，城市规划，目标检测等领域有着大量的应用。且高光谱成像技术以及精准医学的迅速发，将高光谱成像技术应用于近距离的医学诊断成为新的研究趋势，高光谱图像可提供有关组织生理，形态和生化成分的诊断信息，为生物组织学研究提供更精细的光谱特征，进而为医学病理诊断提供更多辅助信息。
[0003]然而高光谱图像大量的信息也为后续的数据处理和使用造成了困难，因为光谱之间的距离很小，有很强的相关性，大量的数据冗余会降低图像的精度和效率，所以对高光谱图像进行波段选择可以在不破坏光谱原有信息的同时选出具有代表性的波段来提高分类的性能，为此，我们提出一种基于进化计算的高光谱图像波段选择方法。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于进化计算的高光谱图像波段选择方法，使用多目标优化的方法，选出可以保留原有图像结构信息以及可以使得相邻像素之间的紧密性更加好的波段子集，可以尽可能提高分类精度和效率。
[0005]为实现上述目的，根据本专利技术的第一方面的实施例提出一种基于进化计算的高光谱图像波段选择方法，包括如下步骤：<br/>[0006]步骤一、预先计算好需要使用到的相关数据，包括领域像素X
near
、原始高维数据上的相邻像素的平方差矩阵MS、采样点原始高维空间中的近邻图S和拉普拉斯矩阵L；
[0007]步骤二、种群初始化，并设置相关参数，具体包括：设置种群大小为N，种群集合为Pop＝{Pop1,Pop2...Pop
i
...Pop
N
}；当前迭代次数t为1，最大迭代次数tMax为50，初始交叉概率p为0.1；
[0008]步骤三、对种群中的个体进行评价：计算得到个体Pop
i
的邻域距离指标Near(Pop
i
)、结构相似性指标LS(Pop
i
)和在决策空间的分布分数DistScore(Pop
i
)；
[0009]步骤四、种群的迭代与更新，然后输出最优波段子集。
[0010]进一步地，领域像素X
near
的获取方法为：
[0011]从原始的高光谱图像中选择十分之一的像素，作为采样点X，选取采样点领域选取八个像素点作为领域像素X
near
。
[0012]进一步地，所述步骤一还包括：在波段空间对波段进行领域分组，分组结果为一个D维向量，向量每一位的数字代表当前波段所属的组数。
[0013]进一步地，所述步骤二中：种群采用二进制编码，其中种群中的每一个个体Pop
i
＝{Pop
i1
,Pop
i2
,Pop
i3
...Pop
iD
}，其中D代表个体长度，为波段总数；Pop
i
代表着一个波段子集，个体的每一位，1代表选择当前波段，0则代表不选择，初始化时首先设定需要选择的波段数l，对于单个个体随机选择l个位置置为1，其余为0。
[0014]进一步地，Near(Pop
i
)代表在当前选择的波段子集下，采样像素点与其周围的k个相邻像素的欧式距离指标，具体计算公式如下：
[0015][0016]其中代表当前选择的波段下的第i个像素和当前像素的第j个相邻像素的欧式距离，n代表采样像素的个数。
[0017]进一步地，LS(Pop
i
)代表在当前选择的波段子集下，采样点之间的近邻关系与在原始波段空间中的采样点之间近邻关系的相似性，具体计算公式如下：
[0018][0019]L＝D
‑
S
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0020]其中S为采样像素点的近邻图矩阵，D为对角矩阵，且：
[0021][0022]D
ii
＝∑
j
S
ij
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0023]进一步地，DistScore(Pop
i
)代表当前个体选择的波段在波段空间的分布情况，具体计算公式如下：
[0024]DistScore(Pop
i
)＝rank
t
*N
tx
/N
t
+(0.5
‑
N
tx
/N
t
)3ꢀꢀꢀ
(6)
[0025]其中rank
t
为上述分组结果中第t组的均值方差升序排序序号，N
tx
/N
t
为当前组中选择的特征数占当前组中波段总数的比例，左侧代表根据方差计算的贡献项，右侧为根据当前组选择的波段比例计算的惩罚项或奖励项。
[0026]进一步地，所述步骤四中：种群的迭代与更新，具体步骤包括：
[0027]步骤4.1、通过邻域距离指标Near(Pop
i
)和结构相似性指标LS(Pop
i
)来进行非支配排序，得到根据每个个体的支配等级；取处于第一前沿面也就是支配等级为1的个体集合为Leaders＝{Leader1,Leader2...Leader
i
...Leader
LN
}，其他的个体集合为Others＝{Others1,Others2...Others
i
...Others
ON
}；
[0028]步骤4.2、更新Others，具体为：
[0029]步骤4.2.1、对于Others的个数ON，若其小于Leaders的个数LN，则从Leaders中随机选择ON个解，与Others进行交叉；若其大于Leaders的个数LN，则从Leaders中随机选择ON
‑
LN个解将Leaders扩充至ON后与Others进行交叉；
[0030]步骤4.2.2、计算交叉概率，具体计算公式为：
[0031][0032]步骤4.2.3、均匀交叉，Others个体的每一位都有相应的概率与Leaders的相应位置进行交换，交叉概率由上述公式(7)来进行计算，得到新的解Others'。
[0033]步骤4.3、更新Leaders，通过对Leaders进行局部抖动来更新解，具体为：
[0034]步骤4.3.1、对于一个Leaders中个体，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于进化计算的高光谱图像波段选择方法，其特征在于，包括如下步骤：步骤一、预先计算好相关数据，包括领域像素X
near
、原始高维数据上的相邻像素的平方差矩阵MS、采样点原始高维空间中的近邻图S和拉普拉斯矩阵L；步骤二、种群初始化，并设置相关参数，具体包括：设置种群大小为N，种群集合为Pop＝{Pop1,Pop2...Pop
i
...Pop
N
}；当前迭代次数t为1，最大迭代次数tMax为50，初始交叉概率p为0.1；步骤三、对种群中的个体进行评价：计算得到个体Pop
i
的邻域距离指标Near(Pop
i
)、结构相似性指标LS(Pop
i
)和在决策空间的分布分数DistScore(Pop
i
)；步骤四、种群的迭代与更新，然后输出最优波段子集。2.根据权利要求1所述的一种基于进化计算的高光谱图像波段选择方法，其特征在于，领域像素X
near
的获取方法为：从原始的高光谱图像中选择十分之一的像素，作为采样点X，根据采样点领域选取八个像素点作为领域像素X
near
。3.根据权利要求1所述的一种基于进化计算的高光谱图像波段选择方法，其特征在于，所述步骤一还包括：在波段空间对波段进行领域分组，分组结果为一个D维向量，向量每一位的数字代表当前波段所属的组数。4.根据权利要求1所述的一种基于进化计算的高光谱图像波段选择方法，其特征在于，所述步骤二中：种群采用二进制编码，其中种群中的每一个个体Pop
i
＝{Pop
i1
,Pop
i2
,Pop
i3
...Pop
iD
}，其中D代表个体长度，为波段总数；Pop
i
代表着一个波段子集，个体的每一位，1代表选择当前波段，0则代表不选择，初始化时首先设定需要选择的波段数l，对于单个个体随机选择l个位置置为1，其余为0。5.根据权利要求1所述的一种基于进化计算的高光谱图像波段选择方法，其特征在于，Near(Pop
i
)代表在当前选择的波段子集下，采样像素点与其周围的k个相邻像素的欧式距离指标，具体计算公式如下：其中dis(X
i
,nearX
ij
)代表当前选择的波段下的第i个像素和当前像素的第j个相邻像素的欧式距离，n代表采样像素的个数。6.根据权利要求1所述的一种基于进化计算的高光谱图像波段选择方法，其特征在于，LS(Pop
i
)代表在当前选择的波段子集下，采样点之间的近邻关系与在原始波段空间中的采样点之间近邻关系的相似性，具体计算公式如下：L＝D
‑
S
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中S为采样像素点的近邻图矩阵，D为对角矩阵，且：
D
ii
＝∑
j
S
ij
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)。7.根据权利要求1所述的一种基于进化计算的高光谱图像波段选择方法，其特征在于，DistScore(Pop
i
)代表当前个体选择的波段在波段空间的分布情况，具体计算公式如下：DistScore(Pop
i
)＝rank
t
*N

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