本发明专利技术提出了一种基于克隆选择的高光谱遥感影像亚像元定位方法，基于克隆理论和亚相元定位原理，实现高光谱遥感影像的亚相元定位。本发明专利技术利用克隆选择优化算法，对遥感影像亚像元定位进行最优化求解，无需任何先验知识，根据输入影像能够直接获得亚像元定位的结果。同时由于克隆选择算法具有自学习、自记忆等优点，因此本发明专利技术能够获得全局最优的亚像元定位结果。
【技术实现步骤摘要】
本专利技术属遥感图像处理领域，特别是涉及一种新的基于克隆选择的高光谱遥感影像亚 像元的定位方法。
技术介绍
遥感影像，特别是高光谱遥感影像，由于空间分辨率的影响，普遍存在着混合像元的现 象，即一个像元中由多种地物混合而成。混合像元分解技术，能够获取像元中每一个地物类 别对应的丰度，获得与类别个数相等的丰度影像，有效地解决了像元混合问题(张良培和 张立福，200 。然而混合像元分解仅能获取各端元组分的丰度，无法确定各种地物在像元 空间中的具体位置，仍然会造成遥感影像空间细节信息的丢失。可参见有关文献张良培， 张立福.高光谱遥感.武汉武汉大学出版社，2005.针对该问题，1997年Atkinson提出了亚像元定位的概念。亚像元定位是将一个像元 根据尺度大小划分成多个亚像元以提高结果分辨率的技术。国内外已经开展了这方面的研 究工作。Atkinson (1997，2005)描述了一种经典的理论距离较近的亚像元和距离较远的 亚像元相比，更加可能属于同一种类型，该理论目前已经成为了大多数亚像元定位模型的 理论基础；Verhoeye (2002)采用线性最优算法，选择一种亚像元最终的分布方式；另外，为 了更加突出表现亚像元定位的空间相关性假设理论，Merten等(2004)融合小波变换与神 经网络模型，神经网络方法被用来从被重构的超分辨率图像中估计小波系数，以构建高分 辨率的亚像元定位结果。此外，近几年来随着相关模型的发展，不断有更多新颖的方法被应 用。为便于参考起见，以下提供亚像元定位基本原理亚像元定位的前提是通过对高光谱影像进行混合像元分解得到不同地物类别在每个 像元中所占比例，再根据空间相关性假设理论获得混合像元中不同端元组分的空间分布情 况。空间相关性假设理论认为，距离较近的亚像元和距离较远的亚像元相比，更 加可能属于同一种类型，这一理论已经被证实大多数情况下是成立的。例如图2所 示这是一个关于像元空间分布性的简单示意图，包含了两种不同的地物类别，分别用 黑点和白点表示出来，亚像元定位的尺度s = 3，即1个像元即将被分成9个亚像元(、、-ζβ-MHl、^rnjk\、^mjbl、Zaufttl、^nljrf、j^WAHI、^fMnA )。以中间像兀 j^BUBL 为例，该像元第1类的比例为66. 67%，第2类的比例为33. 33%，因为共有9个亚像元，因此第1类 的亚像元个数为6个，第2类的亚像元定位个数为3个，则亚像元定位问题就是如何确定这 6个第1类和3个第2类的亚像元在像元中的位置。图2b、2c分别代表了两种不同的空间 分布状态，根据以上提出的理论，图2c的空间相关性要更加大，因此亚像元的分布情况更 有可能是图2c。亚像元定位技术是基于Atkinson提出的空间相关性假设理论。地面物体的空 间相关性是指图像的混合像元或者是不同的像元之间，距离较近的亚像元和距离较远的 亚像元相比，更加属于同一类型。依据这个原则，只需要设定一个空间相关性指标(SDI， spatial dependence index),然后利用各种模型来对每个像元中的亚像元分布情况进行估计，获得亚像元最优的分布结果。在这里，我们可以将亚像元定位问题转换成每个像元的 相关性指标最优化问题。假设整个影像具有c个端元(类别)或者目标，且每个像元可以分为P个亚像元，则每个亚像元的类别属性可以用变量表示，其定义如下-JX当第,M象元属于第i类其他权利要求1. ，其特征是包括以下步骤， 步骤1，选择所需进行亚像元定位的光谱分解后的遥感影像，并设定定位尺度s和波段 数，波段数即为类别数c，每个波段记录的是像元对应于该类别的丰度值；步骤2，针对遥感影像中任一像元，根据定位尺度s，；+胃&像元包含的亚像元总个数P =Jl2同时根据光谱分解后每个类别的丰度值，计算各类别在该像元所占亚像元的个数；步骤3，根据预设编码规则随机产生#个可能的亚像元定位结果作为抗体，并存入抗体 数组ABArray，其中每个抗体的编码长度为P，编码的取值范围为； 步骤4，计算抗体数组ABArray中所有抗体的亲和度F ；步骤5，从抗体数组ABArray中选择个具有最高亲和度的抗体进行克隆操作，产生一 个新的抗体集合Mw ,并记录抗体数组ABArray中亲和度最高的一个抗体为最匹配抗体C配；步骤6，对于抗体集合Mw进行克隆操作获得克隆选择集合C ；步骤7，对克隆选择集合C进行变异操作，产生克隆变异集合C* ；步骤8，计算克隆变异集合C*中所有抗体的亲和度^，从克隆变异集合C*中选择亲和度最高的一个个体作为候选记忆抗体Ce ；步骤9，从克隆变异集合C*中随机选择i/个抗体替换抗体数组ABArray中最低亲和度 的J个抗体；步骤10，如果候选记忆抗体€ 的亲和度大于最匹配抗体Cs的亲和度，将候选记忆抗体^存入抗体数组ABArray后进行步骤11，否则直接进入步骤11 ；步骤11，迭代次数增加一次，如果本轮所得最匹配抗体(^与上轮所得最匹配抗体(^的 亲和度差值达到预设阈值，或者当前的迭代次数达到预设值，则本轮所得最匹配抗体(“乍 为该像元的最优解，否则返回步骤4循环执行直到获得最优解。全文摘要本专利技术提出了，基于克隆理论和亚相元定位原理，实现高光谱遥感影像的亚相元定位。本专利技术利用克隆选择优化算法，对遥感影像亚像元定位进行最优化求解，无需任何先验知识，根据输入影像能够直接获得亚像元定位的结果。同时由于克隆选择算法具有自学习、自记忆等优点，因此本专利技术能够获得全局最优的亚像元定位结果。文档编号G06K9/80GK102096830SQ20111002859公开日2011年6月15日 申请日期2011年1月27日 优先权日2011年1月27日专利技术者张良培, 钟燕飞 申请人:武汉大学 本文档来自技高网...
【技术保护点】
一种基于克隆选择的高光谱遥感影像亚像元定位方法，其特征是：包括以下步骤，步骤１，选择所需进行亚像元定位的光谱分解后的遥感影像，并设定定位尺度ｓ和波段数，波段数即为类别数ｃ，每个波段记录的是像元对应于该类别的丰度值；步骤２，针对遥感影像中任一像元，根据定位尺度ｓ，计算该像元包含的亚像元总个数Ｐ＝ｓ↑［２］；同时根据光谱分解后每个类别的丰度值，计算各类别在该像元所占亚像元的个数；步骤３，根据预设编码规则随机产生Ｎ个可能的亚像元定位结果作为抗体，并存入抗体数组ＡＢＡｒｒａｙ，其中每个抗体的编码长度为Ｐ，编码的取值范围为［１，ｃ］；步骤４，计算抗体数组ＡＢＡｒｒａｙ中所有抗体的亲和度Ｆ； 步骤５，从抗体数组ＡＢＡｒｒａｙ中选择ｎ个具有最高亲和度的抗体进行克隆操作，产生一个新的抗体集合ＡＢ↓［（ｎ）］，并记录抗体数组ＡＢＡｒｒａｙ中亲和度最高的一个抗体为最匹配抗体Ｃ↓［配］；步骤６，对于抗体集合ＡＢ↓［（ｎ）］进行克隆操作获得克隆选择集合Ｃ；步骤７，对克隆选择集合Ｃ进行变异操作，产生克隆变异集合Ｃ＊；步骤８，计算克隆变异集合Ｃ＊中所有抗体的亲和度Ｆ↑［＊］，从克隆变异集合Ｃ＊中选择亲和度最高的一个个体作为候选记忆抗体Ｃ↓［＊］；步骤９，从克隆变异集合Ｃ＊中随机选择ｄ个抗体替换抗体数组ＡＢＡｒｒａｙ中最低亲和度的ｄ个抗体；步骤１０，如果候选记忆抗体Ｃ↓［＊］的亲和度大于最匹配抗体Ｃ↓［配］的亲和度，将候选记忆抗体Ｃ↓［＊］存入抗体数组ＡＢＡｒｒａｙ后进行步骤１１，否则直接进入步骤１１； 步骤１１，迭代次数增加一次，如果本轮所得最匹配抗体Ｃ↓［配］与上轮所得最匹配抗体Ｃ↓［配］的亲和度差值达到预设阈值，或者当前的迭代次数达到预设值，则本轮所得最匹配抗体Ｃ↓［配］作为该像元的最优解，否则返回步骤４循环执行直到获得最优解。...
【技术特征摘要】
【专利技术属性】
技术研发人员：钟燕飞，张良培，
申请(专利权)人：武汉大学，
类型：发明
国别省市：83
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。