专利名称：基于粒子群优化的高光谱遥感影像自适应波段选择方法
技术领域：
本发明属于高光谱遥感图像处理技术领域，具体涉及一种基于粒子群优化的高光谱遥感影像自适应波段选择方法。
背景技术：
高光谱遥感也叫成像光谱学(Imaging Spectroscopy),是指利用很多窄的电磁波波段获取物体有关数据的技术，是20世纪最后20年人类在对地观测方面取得的重大技术突破之一，也是当前及今后几十年内的遥感前沿技术。它利用成像光谱仪纳米级的光谱分辨率，获取许多非常窄且光谱连续的图像数据，实现地物空间、辐射、光谱信息的同步获取；从而为每个像元提供数十至数百个窄波段(波段宽度小于IOnm)的光谱信息，生成一条完整而连续的光谱曲线。进入21世纪以来，高光谱遥感技术取得了重大进展，伴随着一系列基本问题的解决，高光谱遥感已由实验研究阶段逐步转向实际应用阶段。而作为高光谱遥感应用这一热点中的重点就是高光谱影像数据处理效率的提高和与之紧密相连的应用领域的扩展。波段选择是遥感图像识别与分类的重要环节之一。在样本数不是很多的情况下，用很多特征进行分类，无论从计算的复杂度还是性能上来说都是不适宜的。因此研究如何把高维特征空间压缩到低维特征空间以便进行有效处理成为一个重要的问题。在高光谱数据中，每一个光谱波段都可以看成一个特征，因此选择某些对后续目标如影像分类起主要作用的波段子集的过程叫做波段选择。通过波段选择，可以从海量的高光谱影像中去除冗余或噪声波段，从而降低算法的复杂度并提高分类的准确度。一般来说，选择最佳波段的原则有三点:一是所选择的波段的信息量应最大；二是所选择的波段数据间的相关性要小；三是研究区内欲识别地物的光谱响应特点能使某些类别地物之间最容易区分。因此，那些信息含量多、相关性小、地物光谱差异大、可分性好的波段就是应该选择的最佳波段。目前国内外在这方面进行了系列的研究，在早期的多光谱应用中，人们已经意识到不同的光谱波段对不同的地物具有诊断性，并将信息散度(Divergence)、变换散度(TransformedDivergence)、JM (Jeffreys-Matusita)距离和马氏(Bahattacharyya)距离等用于多光谱的波段选择中；另外，互信息(Mutual Information)算法也被应用于TM最优波段的选择。近年来，随着高光谱遥感的发展，不仅以上算法扩展到了高光谱领域，而且一些新的算法也陆续提出，如基于统计量的算法:熵与联合熵、最佳指数因子(0IF)、波段指数(Band Index)，光谱导数等，但是这些算法基本上采用一次统计量来度量波段相对于后续分类的重要性，不能消除附加在数据中的噪声信息。因此一些更为复杂的算法受到了重视，如基于PCA和噪音估计的MVPCA和MSNRPCA算法、基于最小能量约束的线性约束最小协方差(LCMV-BCC/BCM)等算法。以上算法的提出大大提高了高光谱遥感影像的降维效果，解决了波段选择中判据函数的问题；但是高光谱遥感波段选择的另一个重要问题依然没有得到很好的解决，即面对不同的高光谱遥感数据和不同的遥感应用，如何确定需要选择的波段数目。虽然文献I提出用虚拟维度(Virtual Dimensionality, VD)作为衡量波段数目的指标，并在高光谱数据分析方面得到了广泛应用[C.-1 Chang and Q.Du，"Estimation of number ofspectrally distinct signal sources in hyperspectralimagery, 〃IEEE Transactionson Geoscience and Remote Sensing, vol.42, n0.3, pp.608-619, Mar.2004.];但是由于该算法比较复杂，且面向不同的遥感应用时，存在适用性问题。因此，如何有效地解决波段数目的问题依然是高光谱遥感影像应用中亟需解决的问题。
发明内容
发明目的:针对上述现有技术存在的问题和不足，本发明的目的是提供一种基于粒子群优化的高光谱遥感影像自适应波段选择方法，解决高光谱遥感波段选择中效果不好，不能事先确定波段数目的问题。技术方案:为实现上述发明目的，本发明采用的技术方案为一种基于粒子群优化的高光谱遥感影像自适应波段选择方法，包括以下步骤:步骤1，选择需进行降维的高光谱影像S ；步骤2，随机初始化M个粒子；步骤3，对于外部pso，其波段数目依据Kerj] I^1进行迭代优化，X为待优化的波段数目，k为外部PSO的粒子序号，id为当前波段的数目；步骤4，令k=k+l，随机初始化波段数目x7er-k，随机初始化内部嵌套PSO的波段
W；rrJ)ti，I为内部嵌套PSO的粒子序号，X为内部嵌套PSO所对应的波段；步骤5，对于内部嵌套PSO的每次迭代，执行以下步骤:`
(a)对于每一个内部嵌套PSO的粒子，评估其目标函数；(b)确定所有步骤(a)所述粒子的全局最优解Ρ=Γ 5(c)对于每一个步骤(a)所述粒子，确定其历史局部最优解ρΓΤ I(d)利用粒子速度更新公式和粒子位置更新公式更新所有内部嵌套PSO的粒子；(e)重复执行步骤a) _ d)，直到内部嵌套PSO收敛，将ρ；；Γ的值作为波段<^自^的最优值。步骤6，如果k〈M，转向步骤4 ;如果k=M，则检查外部PSO是否收敛，如果收敛则结束，此时外部PSO所有粒子的全局最优解ρ； τ为最优化的波段数目，其对应的波段为最优化的波段；如果不收敛则执行以下步骤:a)对于每一个外部PSO的粒子，检索基于内部嵌套PSO得到的波段所对应的目标函数；b)确定所有步骤a)所述粒子的全局最优解Ρ=Γ ;c)对于每一个外部PSO的粒子，确定其历史局部最优解d)利用粒子速度更新公式和粒子位置更新公式更新所有外部PSO的粒子；e)令k=l，转向步骤4。进一步的，所述步骤5中的目标函数釆用最小丰度方差估计(minimum estimatedabundance covariance, MEAC)作为测度函数，具体实现采用以下公式:
权利要求
1.一种基于粒子群优化的高光谱遥感影像自适应波段选择方法，其特征在于，包括以下步骤: 步骤1，选择需进行降维的高光谱影像S ； 步骤2，随机初始化M个粒子； 步骤3，对于外部PSO，其波段数目依据} Iili进行迭代优化，X为待优化的波段数目，k为外部PSO的粒子序号，id为当前波段的数目； 步骤4，令k=k+l，随机初始化波段数目.随机初始化内部嵌套PSO的波段WH, I为内部嵌套PSO的粒子序号，X为内部嵌套PSO所对应的波段； 步骤5，对于内部嵌套PSO的每次迭代，执行以下步骤: Ca)对于每一个内部嵌套PSO的粒子，评估其目标函数； (b)确定所有步骤(a)所述粒子的全局最优解Ρ；:Γ； (c)对于每一个步骤(a)所述粒子，确定其历史局部最优解丨: Cd)利用粒子速度更新公式和粒子位置更新公式更新所有内部嵌套PSO的粒子； Ce)重复执行步骤a) - d)，直到内部嵌套PSO收敛，将P=的值作为波段<广4的最优值。
步骤6，如果k〈M，转向步骤4 ;如果k=M，则检查外部PSO是否收敛，如果收敛则结束，此时外部PSO所有粒子的全局最优解ρ;:Γ为最优化的波段数目，其对应的波段为最优化的波段；如果不收敛则执行以下步骤: a)对于每一个外部PSO的粒子，检索基于内部嵌套PSO得到的波段所对应的目标函数； b)确定所有步骤a)所述粒子的全局最优解ρ^Γ; c)对于每一个外部PSO的粒子，确定其历史局部最优解P::广 d)利用粒子速度更新公式和粒子位置更新公式更新所有外部PSO的粒子； e)令k=l,转向步骤4。
2.根据权利要求1所述基于粒子群优化的高光谱遥感影像自适应波段选择方法，其特征在于，所述步骤5中的目标函数采用最小丰度方差估计作为测度函数，具体实现采用以下公式:arg min {/racei(s7E_is) * I cDs' I L-J 式中，Os所选择的波段集合；traCe[.]为矩阵的迹；Σ为噪声方差矩阵；S为波段集合中的类别光谱信息矩阵。
3.根据权利要求1所述基于粒子群优化的高光谱遥感影像自适应波段选择方法，其特征在于，所述步骤5中的目标函数采用Jeffries-Matusita距离作为测度函数: = 2(1 -e ) 其中
4.根据权利要求1所述基于粒子群优化的高光谱遥感影像自适应波段选择方法，其特征在于，所述步骤(d)中的粒子速度更新公式和粒子位置更新公式分别由以下两个公式实现:
全文摘要
本发明公开了一种基于粒子群优化的高光谱遥感影像自适应波段选择方法，主要包括两个嵌套在一起的PSO算法，其中外部PSO负责自适应地优化波段数目，而内部PSO则负责优化指定数目的具体波段；本发明方法同时还改进了原始PSO算法中的目标函数。本发明能够解决高光谱遥感传统波段选择算法效果不好，以及不能事先确定波段数目的问题。本发明方法具有智能选择波段、适应性广等特点。
文档编号G06K9/62GK103150577SQ20131010151
公开日2013年6月12日 申请日期2013年3月26日 优先权日2013年3月26日
发明者苏红军 申请人:河海大学