一种高光谱图像联合波段选择方法技术

本发明专利技术公开了一种高光谱图像联合波段选择方法，包括：获取原始高光谱图像的若干波段；基于波段重排序方法，对所述若干波段重新排序，获取重新排好的所述若干波段；基于波段相似性方法，对重新排好的所述若干波段进行比较，获取若干中心波段；基于所述若干中心波段，对所述若干中心波段以外的其他波段进行子空间划分，获取若干波段子空间；基于多值光谱角匹配分类方法，对所述原始高光谱图像进行匹配分类，获取分类结果，进一步获取多值光谱角匹配分类精度；基于所述若干中心波段及所述多值光谱角匹配分类精度，对所述原始高光谱图像采用多值光谱角匹配的联合波段选择方法，获取若干典型波段，完成高光谱图像联合波段选择

【技术实现步骤摘要】
一种高光谱图像联合波段选择方法


[0001]本专利技术属于遥感信息处理
，尤其涉及一种高光谱图像联合波段选择方法
。

技术介绍

[0002]高光谱图像的光谱维度很高即波段数量很大，这种情况导致了信息冗余度很高或数据量过大而处理困难
。
在此背景下，数据降维技术成为研究的热点
。
现有的降维方法，可以分为两类：一类是基于变换的方法，如主成分分析
、
正交子空间投影等
。
基于变换的降维方式改变了图像原有的特性
。
另一类是基于非变换的，如波段选择，数据源划分等
。
基于非变换的降维方式是在考察图像整体特点之后对图像进行选择和划分的，它克服了变换法改变图像特性的缺点，因此更有利于保持图像的原有特性
。
因此，探讨通过波段选择的方法来降低高光谱数据的维数有重要的应用价值
。
波段选择方法可以划分为基于信息量的最佳波段选择方法，基于类间可分性的最佳波段选择方法，基于指数计算的波段选择方法，基于遗传算法的波段选择，等等；而按照选择次序又可分成顺次波段选择方法和联合波段选择方法
。
前者是指计划数量的波段被一个一个地增选得出；后者则是计划数量的波段被一次性同时选出作为初始组合，然后按照某种准则进行迭代替换更新
。
就效率而言，顺次波段选择方法计算量小
、
速度快；就效果而言联合波段选择方法无疑更具优势
。
受制于复杂度约束，目前大多数波段选择方法都是按照顺次方式实施的
。
实施波段选择过程中，全部波段往往被划分为几个子空间划分，然后力求所选波段尽量分属不同子空间，以避免选出某些波段相似度过高
。
然后，现有的子空间划分方法是按照连续原则进行的，即每个子空间内的原始波段序号是连续的，这种方式没有完全遵从波段相似度原则，因为存在不相邻两个波段的相似度超过相邻两个波段的相似度的情况
。

技术实现思路

[0003]为解决上述技术问题，本专利技术提出了一种高光谱图像联合波段选择方法，以多值光谱角匹配分类为波段更新依据来获得较高效率，并结合新型子空间划分手段来提高选择效果，使波段选择速度更快
、
选择效果更好
。
[0004]为实现上述目的，本专利技术提供了一种高光谱图像联合波段选择方法，包括：
[0005]获取原始高光谱图像的若干波段；
[0006]基于波段重排序方法，对所述若干波段重新排序，获取重新排好的所述若干波段；
[0007]基于波段相似性方法，对重新排好的所述若干波段进行比较，获取若干中心波段；
[0008]基于所述若干中心波段，对所述若干中心波段以外的其他波段进行子空间划分，获取若干波段子空间；
[0009]基于多值光谱角匹配分类方法，对所述原始高光谱图像进行匹配分类，获取分类结果，进一步获取多值光谱角匹配分类精度；
[0010]基于所述若干中心波段及所述多值光谱角匹配分类精度，对所述原始高光谱图像
采用多值光谱角匹配的联合波段选择方法，获取若干典型波段，完成高光谱图像联合波段选择
。
[0011]可选的，基于波段重排序方法，对所述若干波段重新排序，获取重新排好的所述若干波段包括：
[0012]基于所述若干波段，计算出每两个波段的相似度，进一步计算出每个波段邻域内相似度大于预设阈值的波段数量，按照每个波段邻域内相似度大于预设阈值的波段数量对若干波段重新排序，获取重新排好的所述若干波段
。
[0013]可选的，基于波段相似性方法，对重新排好的所述若干波段进行比较，获取若干中心波段包括：
[0014]基于波段相似性方法，从重新排好的所述若干波段中去掉队尾预设比例的波段，对剩余波段重新计算相似度，获得新相似度，选择所述新相似度最小的两个所述波段作为前两个子空间的中心波段，依次选择与前
i
‑1个所述波段中新相似度较大值中最小的波段作为第
i
个子空间的中心波段，其中，
i≥3。
[0015]可选的，对所述若干中心波段以外的其他波段进行子空间划分，获取若干波段子空间包括：
[0016]对所述若干中心波段以外的其他波段采用相似度最小最大原则计算归并的波段与每组内已归入各波段相似度的最小值，将若干最小值中的最大值所在组记为应归入的组，获取若干波段子空间
。
[0017]可选的，基于多值光谱角匹配分类方法，对所述原始高光谱图像进行匹配分类，获取分类结果包括：
[0018]所述原始高光谱图像包括若干类别集合，从每个类别中抽选指定数目的样本像元，将所述指定数目的样本像元与每个样本像元进行光谱夹角计算，获取最小夹角的样本像元所在类别为像元的类别归属，获取分类结果
。
[0019]可选的，获取多值光谱角匹配分类精度包括：
[0020]分类结果中正确分类的像元数量与分类结果中分类像元总数进行计算，获取多值光谱角匹配分类精度
。
[0021]可选的，基于所述若干中心波段及所述多值光谱角匹配分类精度，对所述原始高光谱图像采用多值光谱角匹配的联合波段选择方法，获取若干典型波段包括：
[0022]将所述若干中心波段组合作为初始化波段组合，将所述初始化波段组合中的每个波段与剩余波段依次替换，比较替换前后的多值光谱角匹配分类精度，若替换后分类精度增加，则保留替换，更新所选波段组合，否则放弃替换，进行下一轮替换，直至任何替换不再引起分类精度的提高为止，获取若干典型波段
。
[0023]本专利技术技术效果：本专利技术公开了一种高光谱图像联合波段选择方法，采用联合选择的方式并结合优质的子空间划分方法，因此具有选择效果好的优点；采用简单高效的多值光谱角匹配作为迭代更新的方法，因此具有选择速度快的优点
。
它至少包括波段重排序方法以将各波段按孤立程度从低到高排序
、
波段子空间中心波段选取方法以获得波段分组初始化结果
、
子空间划分方法以将全部波段分成若干组并要求选出的波段分居不同组
、
多值光谱角匹配分类方法用于决定每次的波段替换是否有效
、
最终形成的优质高效的基于多值光谱角匹配迭代更新的联合波段选择方法
。
附图说明
[0024]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定
。
在附图中：
[0025]图1为本专利技术实施例高光谱图像联合波段选择方法的流程示意图；
[0026]图2为本专利技术实施例各波段与其余波段相关系数均值示意图；
[0027]图3为本专利技术实施例各波段邻域内相似度大于预设阈值的波段数量
。
具体实施方式
[0028]需要说明的是，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种高光谱图像联合波段选择方法，其特征在于，包括：获取原始高光谱图像的若干波段；基于波段重排序方法，对所述若干波段重新排序，获取重新排好的所述若干波段；基于波段相似性方法，对重新排好的所述若干波段进行比较，获取若干中心波段；基于所述若干中心波段，对所述若干中心波段以外的其他波段进行子空间划分，获取若干波段子空间；基于多值光谱角匹配分类方法，对所述原始高光谱图像进行匹配分类，获取分类结果，进一步获取多值光谱角匹配分类精度；基于所述若干中心波段及所述多值光谱角匹配分类精度，对所述原始高光谱图像采用多值光谱角匹配的联合波段选择方法，获取若干典型波段，完成高光谱图像联合波段选择
。2.
如权利要求1所述的高光谱图像联合波段选择方法，其特征在于，基于波段重排序方法，对所述若干波段重新排序，获取重新排好的所述若干波段包括：基于所述若干波段，计算出每两个波段的相似度，进一步计算出每个波段邻域内相似度大于预设阈值的波段数量，按照每个波段邻域内相似度大于预设阈值的波段数量对若干波段重新排序，获取重新排好的所述若干波段
。3.
如权利要求1所述的高光谱图像联合波段选择方法，其特征在于，基于波段相似性方法，对重新排好的所述若干波段进行比较，获取若干中心波段包括：基于波段相似性方法，从重新排好的所述若干波段中去掉队尾预设比例的波段，对剩余波段重新计算相似度，获得新相似度，选择所述新相似度最小的两个所述波段作为前两个子空间的中心波段，依次选择与前
i
‑1个所述波段中新相似度较大值中最小的波段作为第
i
个子空间的中心波段，其中，<...

【专利技术属性】
技术研发人员：王立国，郭睿婷，刘丹凤，
申请(专利权)人：大连民族大学，
类型：发明
国别省市：