[发明专利]高光谱遥感影像的DNA计算光谱匹配分类方法

说明书

技术领域

本发明属于遥感影像处理技术领域，特别是涉及一种高光谱遥感影像的DNA计算光谱匹配分类方法。

背景技术

高光谱遥感数据包含了丰富光谱特征信息，从理论上讲，利用高光谱数据能够明确的判定图像中像素的精确类别，减少地物分类识别时的不确定性。传统的模式识别方法，是以像素的空间关系或者是在特征空间中各个类别像素的分布组织分类算法，这样的分类算法对于高维度的高光谱数据表现出不适应性。为了利用丰富的光谱特征完成高光谱信息解译，光谱匹配技术被发明。光谱匹配技术是面向高光谱图像特点的分类算法，利用光谱库中已知的或实地采集的光谱数据，通过提取光谱曲线的光谱特征，采用匹配的算法来识别图像中地面覆盖类型。完成光谱匹配需要解决两个问题：第一，光谱曲线存在多样性现象，选择最佳匹配样本。同一种物质在不同的条件下，光谱曲线整体趋势虽然保持一致，但是光谱曲线细节存在差异。倘若选择了不合适的匹配样本，该样本不具备该类别地物光谱显著的代表性特征，光谱匹配算法得到的结果将出现较大误差；其次，提取光谱曲线典型特征信息，排除光谱曲线不稳定特征。光谱匹配的光谱匹配特征提取方法是光谱匹配的距离测度的基础，因此光谱曲线特征提取需要兼顾光谱的整体趋势和梯度特征。

传统的光谱匹配方法包括光谱角匹配、光谱吸收特征匹配和光谱编码匹配。光谱角匹配方法是比较待识别地物向量与已知地物向量的广义夹角，来确定每类地物的归属；光谱吸收特征匹配是将样本光谱的全部或者其某一部分进行光谱曲线的特征函数拟合，通过计算像元光谱与样本光谱特征函数之间的拟合度来计算像元光谱隶属于某一样本的概率；光谱编码匹配是通过给定阈值分割光谱曲线，将光谱特征转化为二值编码的形式，通过计算光谱编码之间的海明（Hamming）距离来确定光谱类别的方法。本发明研究的是光谱编码匹配的方法。传统的光谱编码匹配一般指二值编码匹配，这种方法由于对光谱特征提取不充分，仅仅能够简单的识别光谱的类别，无法实现高精度的光谱匹配和影像分类。

目前本领域已出现了一些改进技术：

为了提高光谱编码所包含原始光谱的信息量，提出了一种基于光谱分析的二值光谱编码(SPAM)方法、一种基于光谱特征的编码(SFBC)方法和一种光谱差分特征的光谱编码(SDFC)方法。这些方法增加了对一个波段的编码bit数量，同时兼顾了光谱波段邻域之间的相关性，在一定程度上提高了光谱匹配的精度，但由于光谱编码匹配，无法利用统计学模型以及相邻像素间的相关信息，如果同种地物光谱曲线的差异超过一定的范围，这些光谱编码匹配方法的精度将难以满足分类识别应用的需求。

DNA计算是一种新型的智能化方法，其开创性思想是1994年由美国南加州大学的Adleman教授在Science上提出的(1994)，从而开创了DNA计算机的新纪元。DNA计算利用DNA编码表示复杂知识或系统，具有进一步地分析和模仿遗传信息调控系统的自生成、自组织功能，在进化中能够获取和更新知识，已经在模式识别、模糊控制、决策问题等工程领域得到广泛地应用(Lipton, 1995; Faulhammer等, 2000；Ren 等，2001； Chen等 ,2003；Benenson等,2004)。DNA计算与高光谱遥感光谱匹配在本质上存在内在联系，因此可以将DNA计算引入高光谱遥感光谱匹配领域。然而在高光谱遥感影像光谱匹配领域中，DNA计算还没有得到很好的应用，因此还没有真正意义的DNA计算光谱匹配方法出现。

发明内容

针对上述现有技术存在的问题，本发明提出一种高光谱遥感影像的DNA计算光谱匹配分类方法。

本发明的技术方案所提供高光谱遥感影像的DNA计算光谱匹配分类方法，包括如下步骤：

步骤一，选择所需进行监督分类的高光谱遥感影像；

步骤二，为步骤一所选择高光谱遥感影像构建训练样本光谱库；

步骤三，对步骤一所选择高光谱遥感影像所有像元光谱进行DNA编码，得到高光谱影像DNA信息链；对步骤二所得训练样本光谱库内的训练样本光谱进行DNA编码，得到训练光谱DNA信息链；

步骤四，采用随机DNA码字组合，从训练光谱DNA信息链中产生多组DNA种群，每组DNA种群包含相同数目的DNA个体，每个DNA个体包含与分类类别数相等的DNA信息链，这些DNA种群所构成集合作为初始DNA数据库；