一种高光谱遥感影像波段选择方法
【技术领域】
[0001] 本发明涉及一种高光谱遥感影像波段选择方法，具体为一种基于混合二进制粒子 群差分进化的、以获得最优波段组合为目标的基于封装式HBPS0DE-SVM算法的高光谱遥感 影像波段选择方法，属于高光谱遥感图像处理技术领域。
【背景技术】
[0002] 遥感（Remote Sensing)是一门利用电磁波原理来获取远方信号并使之成像，能够 遥远地感受感知远方事物的技术，是一门新兴科学。随着计算机技术及光学技术的提高，遥 感技术也得到了迅速的发展。近年来，各式各样的遥感卫星不断成功发射，推动了遥感数据 获取技术朝着三高（高空间分辨率、高光谱分辨率和高时间分辨率）和三多（多平台、多传 感器、多角度）方向发展。
[0003] 高光谱遥感具有光谱分辨率高的特点，它通过在不同空间平台上搭载高光谱传感 器，从而可以在电磁波谱的可见光、近红外、中红外和热红外波段范围内，以连续的光谱波 段对地表区域同时成像，波段数目可达到数十以致数百个，并获得地物连续的光谱信息，从 而实现了地物空间、辐射和光谱信息的同步获取。与常规遥感相比，主要区别在于高光谱遥 感是窄波段成像，且除了二维的空间信息外，还增加了一维光谱信息，使得遥感技术的应用 领域得到了拓展。
[0004] 高光谱遥感可以探测到更为精细的光谱特性，高光谱图像具有常规遥感无法企及 的光谱信息，有利于地物分类、识别和混合像元分解等处理。但是高光谱图像在光谱信息量 增加的同时，也增加了数据的维数，使得图像的数据量激增。其较高的维数和波段间的相关 性不仅会使运算变得复杂，处理速度大大下降，而且在有限样本的情况下，可能会导致分类 精度降低。当成像光谱仪获得高光谱图像数据后，波段选择显得尤为重要。
[0005] 高光谱遥感影像波段选择可以被看作是一个NP难组合优化问题，用智能次优搜 索算法依照评价准则函数能从全波段中选择出若干个波段组成对分类精度有较好性能的 波段组合。常见的智能算法已经被成功应用到波段选择当中，但是其缺陷也很快暴露出来， 遗传算法不能在有限的时间内有效地收敛，蚁群算法由于其初始信息素匮乏求解速度慢， 一般需要较长的搜索时间，且易出现早熟现象。粒子群算法虽然收敛速度快，但精度不高 容易出现早熟。PS0算法和DE算法都属于基于群体智能的新型启发式算法，都可以单独运 用于高光谱遥感影像波段选择当中。但是两种算法都存在着一些缺陷，在种群迭代的初期 个体保持着较高的多样性，随着迭代次数的增加，PS0算法中的个体逐步靠近种群中最优粒 子，DE算法则在执行选择操作时采用贪心策略，即只有当变异个体比当前个体的适应度函 数值更优秀时候才能参与下一次迭代进化。这些进化机制虽然可以加快算法收敛速度，但 也使得种群个体间的差异逐渐缩小，种群的多样性也随之减小，此时种群易于陷入局部最 优解，即适应度函数值变化缓慢或者几乎没有变化。针对两种算法的缺陷，本发明的方法是 采用双种群进化策略，让两种算法同时迭代进化寻找最优波段组合解，通过一种信息交流 机制来帮助彼此种群脱离局部最优解。
【发明内容】
[0006] 发明目的：为了克服现有高光谱遥感图像波段选择技术上的不足，提高分类精度， 本发明提供了一种高光谱波段选择方法，是一种以获得最优波段组合为目标的基于封装式 混合二进制粒子群差分进化（HBPS0DE-SVM)算法的波段选择方法。
[0007] 技术方案：一种高光谱遥感影像波段选择方法，首先对原始高光谱遥感影像进行 预处理，将双种群个体和算法参数初始化，然后应用混合二进制粒子群差分进化（HBPS0DE) 法，让双种群并行迭代并通过种群之间传递最优解信息，并利用SVM分类器计算分类精度 作为适应度值，更新进化直至达到规定进化次数或达到最大精度为止。
[0008] 对PS0算法和DE算法做出相应的修改，提出一种混合编码的二进制差分进化算 法，使其能拓展到离散域上；首先定义辅助搜索空间S' = [_a，a]d，a为正整数，解空间S = {〇, 1}d，d为问题的维数；然后由辅助搜索空间D维实数向量X加解空间二进制D维向量B 即（X，B)作为个体（或变异体）的混合编码表示形式；实数向量X依然按照差分进化算法 执行变异操作和交叉操作，在执行选择操作之前，需要将实数向量X通过满同态演化映射 成二进制向量B，满同态演化映射函数定义：
[0009]
【主权项】
1. 一种高光谱遥感影像波段选择方法，其特征在于：首先对原始高光谱遥感影像进行 预处理，将双种群个体和算法参数初始化，然后应用混合二进制粒子群差分进化（HBPSODE) 法，让双种群并行迭代并通过种群之间传递最优解信息，并利用SVM分类器计算分类精度 作为适应度值，更新进化直至达到规定进化次数或达到最大精度为止。
2. 如权利要求1所述的高光谱遥感影像波段选择方法，其特征在于：在种群个体和算 法参数初始化过程中，采取双种群并行搜索策略，初始化2个种群，双种群并行迭代进化。 每次迭代结束之后，种群之间共享各自搜索到最优解，实现信息的交流，让种群在下一次迭 代进化时不仅参考自身种群的最优解也会考虑对方种群的最优解，引导种群脱离局部最优 解。
3. 如权利要求2所述的高光谱遥感影像波段选择方法，其特征在于：对PSO算法和DE 算法做出相应的修改，提出一种混合编码的二进制差分进化算法，使其能拓展到离散域上； 首先定义辅助搜索空间S' = [_a，a]d，a为正整数，解空间S= {0，l}d，d为问题的维数；然 后由辅助搜索空间D维实数向量X加解空间二进制D维向量B即（X，B)作为个体（或变异 体）的混合编码表示形式；实数向量X依然按照差分进化算法执行变异操作和交叉操作，在 执行选择操作之前，需要将实数向量X通过满同态演化映射成二进制向量B，满同态演化映 射函数定义：
其中，hu(t+l)为交叉操作后变异体的每一个分量值
为模糊函数， bu (t+Ι)为二进制向量B的每一个分量值，调整因子μ可以控制bu (t+Ι)被置为1的概率 大小，取μ = 0. 5。 设（XiahBiU))和（ΧΑ+υ,ΒΑ+Ι))分别表示种群的第t代和第t+1代个体i， (Hi (t+1)，Ei (t+1))表示第t+1代个体i的变异体，f (X)表示适应度函数。新的选择操作如 下定义：
4. 如权利要求3所述的高光谱波段选择方法，其特征在于，所述对原始高光谱遥感影 像进行预处理，将双种群个体和算法参数初始化包括： 原始高光谱遥感影像预处理：剔除干扰波段，预选地物类型，以及设置搜索空间的维数 D和算法最大迭代进化次数MaxDT ; 初始化按HBPSO算法进化的种群Ppso以及相关参数：设置种群个数为Np，设置学习因 子C1，学习因子C2，最大惯性权重系数Wmax，最小惯性权重系数W min等；为了提高粒子群算法 的性能，其中惯性权重w按照如下公式更新，i表示第i次迭代；
初始化按HBDE算法进化的种群Pde以及相关参数：设置种群个数为Nd，缩放因子F，杂 交参数CR等；为了提高差分进化（DE)算法性能，其中缩放因子F按照如下公式更新，R)是 一个常数，i表示第i次迭代；
(2) 〇
5.如权利要求3所述的高光谱波段选择方法，其特征在于，应用混合二进制粒子群差 分进化法，让双种群并行迭代并通过种群之间传递最优解信息，并利用SVM分类器计算分 类精度作为适应度值，更新进化直至达到规定进化次数或达到最大精度为止，具体为： 设置进化迭代计数器t = 0。 Ppso种群按照HBPSO算法进行一次位置和速度更新，利用SVM分类器对更新后的波段 组合实施分类，并计算分类精度作为适应度值，记录下第t代最佳适应度值和波段组合； Pde种群按照HBDE算法对所有个体进行变异、交叉、选择操作；利用SVM分类器计算适 应度值，记录下第t代最佳适应度值和波段组合； 比较Ppso和Pde第t代选择出来的最佳适应度值，调整各自种群的最优解； 更新进化代数计数器t = t+1 ;如果进化代数达到最大进化次数或者满足精度要求。
【专利摘要】本发明公开了一种基于混合二进制粒子群差分进化的高光谱遥感影像波段选择方法，首先对原始高光谱遥感影像进行预处理，将双种群个体和算法参数初始化，然后应用混合二进制粒子群差分进化（HBPSODE）法，让双种群并行迭代并通过种群之间传递最优解信息，并利用SVM分类器计算分类精度作为适应度值，更新进化直至达到规定进化次数或达到最大精度为止。
【IPC分类】G06K9-62
【公开号】CN104751176
【申请号】CN201510129917
【发明人】高红民, 李臣明, 王艳, 陈玲慧
【申请人】河海大学
【公开日】2015年7月1日
【申请日】2015年3月24日