一种基于改进近邻波段分组的高光谱图像波段选择方法

本发明涉及高光谱遥感，特别是一种基于改进近邻波段分组的高光谱图像波段选择方法。

背景技术：

1、高光谱遥感图像(hyperspectral sensing imagery，hsi)通常包含数百个狭窄波段的辐射信息，能够提供几乎连续的地物波谱曲线，具有丰富的光谱信息。与多光谱图像相比，高光谱图像具有更高的光谱分辨率，可以得到地物更多的光谱细节信息。通过捕获地物的光谱特性和空间结构特性，高光谱图像在智慧农业、环境监测、军事安全、城市规划及气象环境检测等方向得到了广泛的应用。

2、高光谱图像数据包括空间维度和光谱(波段)维度，从光谱维上看，图像数据由成百上千个二维数据在光谱维上按顺序构成。高光谱遥感影像波段覆盖了从可见光、近红外到短波红外的电磁辐射范围，光谱分辨率越高，波段间隔越小，波段间的相关性就越强，因此相邻光谱间的相关性很高，导致高光谱数据中包含了较多无用的信息，不仅影响算法的分类性能，而且导致算法的运行效率低。在原始选择较少代表性波段子集来表示原始波段，使得波段间具有低的相关性和冗余性，同时解决高光谱图像处理中的计算和存储问题。这一问题在高光谱技术领域内称为高光谱波段选择，是高光谱图像处理中的一个核心任务。

3、基于近邻分组的高光谱波段选择方法是指根据近邻波段分组从每个分组中选择较少代表性波段子集来表示原始波段，使得波段间相关性和冗余性低，可以有效降低高光谱图像维数，解决了高光谱图像处理中的计算和存储问题。高光谱图像地物分布具有规律性，呈现同类地物相对集中形成同质区域，不同区域之间的光谱特征具有差异性；另外，高光谱图像因受到大气、水汽和传感器本身等因素的影响，存在噪声波段。现有方法忽略了高光谱图像的地物分布特点和噪声波段。因此，现有的波段选择方法得到的波段子集忽略了部分地物的特征波段。更重要的是，忽略噪声波段的影响使得代表性波段包含噪声波段，导致分类效果不理想。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于改进近邻波段分组的高光谱图像波段选择方法，能够得到不同区域地物的特征波段，降低噪声波段影响，同时综合考虑波段分布和信息熵，最终获得低相关性和高信息量的代表性波段。

2、为实现上述目的，本发明采用如下技术方案：一种基于改进近邻波段分组的高光谱图像波段选择方法，包括以下步骤：

3、步骤s1，区域级近邻波段相关性：假设输入的高光谱原始图像x的大小为h×w×l；首先将三维数据转为二维数据，大小变为hw×l，之后对变换后x进行降维，得到第一主成分i；之后，对i进行超像素分割得到同质区域块a，然后计算每个同质区域块的波段相关性r，最后利用l1范数整合同质区域r得到区域级波段相关性

4、步骤s2，近邻波段分组：利用平滑函数平滑区域级近邻波段相关性向量之后取的极小值点作为分割点对波段快速分组，得到波段分组集合

5、步骤s3，波段重要性权重：考虑共享波段和非共享波段，对于每个波段分组gk，都定义一个波段连接图矩阵c；假设dk为距离阈值，如果波段i和波段j之间的距离di,j＜dk，则令ci,j＝1，反之ci,j＝0；引入杰卡德系数j来衡量波段之间不相似程度m＝1-j(ci,cj),再利用公式作为改进局部密度；然后综合考虑归一化的改进局部密度和信息熵作为波段重要性权重ω；

6、步骤s4，波段选择策略：假设代表性波段子集的大小为k，n表示波段分组中的数目；按照波段分组中波段数的数目从小到大对波段分组进行排序；之后对于每个波段分组按照波段重要性权重ω从大到小排序，最后从每个波段分组中选择前个波段加入到代表性波段子集中。

7、在一较佳的实施例中，所述步骤s1中，所述降维方法包括pca或t-sne降维方法。

8、在一较佳的实施例中，所述步骤s1中，所述超像素分割方法包括ers或slic超像素分割方法。

9、在一较佳的实施例中，所述步骤s2中，所述平滑函数是高斯核函数，平滑区域级近邻波段相关性向量，降低噪声波段的影响。

10、在一较佳的实施例中，所述步骤s3中，引入连接图和杰卡德系数中的不相似程度来计算局部密度，并和信息熵组合获得改进的波段重要性权重评价指标。

11、与现有技术相比，本发明具有以下有益效果：

12、(1)本发明提出的方法保留了波段结构和地物特征波段。

13、(2)本发明能同时考虑波段分布和信息量，使得波段具有代表性。

14、(3)相比已有方法，本发明能够有效降低噪声波段的影响，增加了模型的鲁棒性，提高分类精度。

技术特征：

1.一种基于改进近邻波段分组的高光谱图像波段选择方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于改进近邻波段分组的高光谱图像波段选择方法，其特征在于，所述步骤s1中，所述降维方法包括pca或t-sne降维方法。

3.根据权利要求1所述的一种基于改进近邻波段分组的高光谱图像波段选择方法，其特征在于，所述步骤s1中，所述超像素分割方法包括ers或slic超像素分割方法。

4.根据权利要求1所述的一种基于改进近邻波段分组的高光谱图像波段选择方法，其特征在于，所述步骤s2中，所述平滑函数是高斯核函数，平滑区域级近邻波段相关性向量，降低噪声波段的影响。

5.根据权利要求1所述的一种基于改进近邻波段分组的高光谱图像波段选择方法，其特征在于，所述步骤s3中，引入连接图和杰卡德系数中的不相似程度来计算局部密度，并和信息熵组合获得改进的波段重要性权重评价指标。

技术总结
本发明提出了一种基于改进近邻波段分组的高光谱图像波段选择方法，具体步骤如下：综合每个同质区域的近邻波段相关性系数计算得到全局波段相关性矩阵；之后，构造波段连接图，引入杰卡德系数计算波段间的不相似程度，并与区域级波段距离综合作为局部密度；最后，从分组中根据波段分组长度选择权重最大的波段组成代表性波段。本发明提出区域级波段相关性以划分波段，并引入杰卡德系数改进局部密度算法，通过与信息熵的乘积来衡量波段重要性，达到了降低波段冗余性和噪声波段的影响的同时，提升了波段子集信息量和增强了地物可分性。相比已有方法，本发明方法能克服噪声波段的影响问题，有效提升波段子集的质量和后续的分类性能。

技术研发人员：翁谦,安远,陈光剑,黄德华,林嘉雯,潘增滢,王钦,卢峰,刘诗琳,毛美艳
受保护的技术使用者：福州大学
技术研发日：
技术公布日：2024/2/1