基于萤火虫优化的高光谱遥感影像波段选择方法
【专利摘要】本发明公开一种基于改进萤火虫算法的高光谱遥感影像波段选择算法，改进了FA算法中的目标函数。波段选择的优化改进是先对波段索引位置进行随机初始化，位置矩阵大小为s=n*b（已知参数n,b为用户自输入的波段选择数目）；选择不同的光谱类别距离函数作为目标函数，代入已得到的初始位置矩阵，计算得到一维数组对应于萤火虫的荧光亮度值，根据亮度值的优劣即目标函数值的大小，进行排序（明确劣势点向优势点靠近）；更新特征选择后的波段即萤火虫移动后的位置信息；当满足最大迭代次数或者搜索精度时，记录波段选择结果。本发明能够解决高光谱遥感传统波段选择算法精度不高，费时较长的问题。本发明方法具有波段选择效果好、适应性广等特点。
【专利说明】基于萤火虫优化的高光谱遥感影像波段选择方法
【技术领域】
[0001]本发明涉及一种基于萤火虫优化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]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。
[0003]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，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。
[0004]一般来说，选择最佳波段的原则有三点:一是所选择的波段信息量应最大；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(Transformed Divergence)、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。
[0005]以上研究使高光谱数据的处理效率和应用范围得到了极大的扩展。然而，当前大多数的高光谱遥感波段选择算法普遍效率较低，这是因为一方面算法本身不够完善、计算复杂、处理时间长；另一方面是高光谱遥感数据量庞大，波段数目多。因此，要发展一些相对快速操作简单的方法来进行波段选择。
【发明内容】
[0006]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萤火虫优化的高光谱遥感影像波段选择方法，解决高光谱遥感波段选择中精度不高，费时较长的问题。
[0007]技术方案:一种基于萤火虫优化的高光谱遥感影像波段选择方法，包括以下步骤:
[0008]步骤1，选择需进行降维的高光谱影像S ；
[0009]步骤2，进行参数设置，最大迭代次数MaxGeneration=500，步长因子α =0.5，光强吸收系数Y =1，最大吸引度β(!=1 ；
[0010]步骤3,随机初始化萤火虫位置,位置矩阵大小为s,则s=n*b,参数η为萤火虫数目也就是已知实验组数目，b为用户输入的波段选择数目；
[0011]步骤4，设置迭代循环的次数，对于FA的每次迭代，执行以下步骤:
[0012](a)对于选择出的具体波段，确定目标函数；
[0013](b)对于步骤3中确定的位置矩阵S，将其代入步骤(a)所选择出的目标函数进行计算，得到数值为其所对应的萤火虫亮度值；
[0014](C)根据数值大小，对萤火虫的亮度值进行排序；
[0015](d)利用萤火虫位置更新公式更新所有已选择的波段位置；
[0016](e)重复执行步骤a)_d)，直到FA符合迭代条件，S(I)作为最优波段输出。
[0017]进一步的,所述步骤4中目标函数采用Jeffries-Matusita距离作为测度函数:
【权利要求】
1.一种基于萤火虫优化的高光谱遥感影像波段选择方法，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，进行参数设置，最大迭代次数MaxGenerat1n=500，步长因子α =0.5，光强吸收系数Y =1，最大吸引度β(!=1 ； 步骤3,随机初始化萤火虫位置,位置矩阵大小为s,则s=n*b,参数η为萤火虫数目也就是已知实验组数目，b为用户输入的波段选择数目； 步骤4，设置迭代循环的次数，对于FA的每次迭代，执行以下步骤: Ca)对于选择出的具体波段，确定目标函数； (b)对于步骤3中确定的位置矩阵S，将其代入步骤(a)所选择出的目标函数中进行计算，得到数值为其所对应的的萤火虫亮度值； (C)根据数值大小，对萤火虫的亮度值进行排序； Cd)利用萤火虫位置更新公式更新所有已选择的波段位置； Ce)重复执行步骤a) -d)，直到FA符合迭代条件，s (I)作为最优波段输出。
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4中目标函数采用Jeffries-Matusita距离作为测度函数:
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4中的目标函数采用变换散度作为测度函数:
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)中的波段位置更新公式分别由以下公式实现:
【文档编号】G06K9/62GK104021393SQ201410126516
【公开日】2014年9月3日 申请日期:2014年3月31日 优先权日:2014年3月31日
【发明者】苏红军, 李茜楠 申请人:河海大学