一种基于遗传算法的面向检测任务的高光谱谱段优选方法技术

本发明专利技术公开了一种基于遗传算法的面向检测任务的高光谱谱段优选方法，所述方法如下：加载高光谱图像，将高光谱图像高度宽度两个维度扁平化为一维张量，对处理后的高光谱图像进行二进制染色体编码；利用光谱信杂比构建适应度函数模型，通过聚类算法将相似的背景归类为同一簇，对每一类背景设置一个权重，针对不同检测目标，采取两种策略加权抑制背景，进一步提高光谱信杂比估计背景精度；利用遗传算法的选择操作、交叉操作、变异操作随机全局搜索优化，计算个体适应度，搜索适应度最小的个体，得出谱段优选结果。本发明专利技术使用两组高光谱数据集对算法测试验证，证明了该方法可以有效地筛选出与全谱段探测能力相当或更优秀的谱段子集。

【技术实现步骤摘要】

本专利技术属于图像处理，涉及一种面向高光谱目标检测的谱段优选方法，具体涉及一种基于遗传算法加权约束目标的面向高光谱目标检测的谱段优选方法。

技术介绍

1、近年来，高光谱成像技术被广泛应用于生物物理参数反演、复杂环境分类、小目标检测等领域。高光谱图像由于具有较高的光谱分辨率高、光谱谱段多、谱段连续、信息量大等特点，可以通过细微的光谱差异有效地区分地物，显著提高了数据分析的质量、细节、可信度。然而，高光谱图像庞大的数据量需要消耗大量的计算资源，增加了统计和几何分析的难度，制约了高光谱图像目标检测的发展。因此，设计合适的数据降维算法，减少光谱信息的冗余和计算成本的同时，保留目标关键光谱信息具有重要意义。

2、目前，大量的研究围绕高光谱图像降维主题展开，降维的方法主要分为两类：特征提取和谱段优选。特征提取的方法只考虑光谱维特征提取，将原始高维光谱数据映射或变换到低维空间，提取出符合当前任务的特征信息。谱段优选方法旨在挑选出一小部分谱段子集，在保留目标关键光谱信息的同时，减少光谱冗余和计算成本。与特征提取方法相比，谱段优选的结果可以很容易地应用于后续的信本文档来自技高网...

【技术保护点】

1.一种基于遗传算法的面向检测任务的高光谱谱段优选方法，其特征在于所述方法包括如下步骤：

2.根据权利要求1所述的基于遗传算法的面向检测任务的高光谱谱段优选方法，其特征在于所述步骤一的具体步骤如下：

3.根据权利要求1所述的基于遗传算法的面向检测任务的高光谱谱段优选方法，其特征在于所述步骤二的具体步骤如下：

4.根据权利要求1所述的基于遗传算法的面向检测任务的高光谱谱段优选方法，其特征在于所述步骤二一的具体步骤如下：

5.根据权利要求4所述的基于遗传算法的面向检测任务的高光谱谱段优选方法，其特征在于所述SCR定义式中参数进一步如下展开：...

【技术特征摘要】

1.一种基于遗传算法的面向检测任务的高光谱谱段优选方法，其特征在于所述方法包括如下步骤：

2.根据权利要求1所述的基于遗传算法的面向检测任务的高光谱谱段优选方法，其特征在于所述步骤一的具体步骤如下：

3.根据权利要求1所述的基于遗传算法的面向检测任务的高光谱谱段优选方法，其特征在于所述步骤二的具体步骤如下：

4.根据权利要求1所述的基于遗传算法的面向检测任务的高光谱谱段优选方法，其特征在于所述步骤二一的具体...

【专利技术属性】
技术研发人员：胡建明，陈文彬，崔琪，江世凯，智喜洋，巩晋南，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：