[发明专利]基于归一化多维互信息和克隆选择的高光谱波段选择方法

说明书

本发明涉及高光谱图像的降维方法，具体涉及一种基于归一化多维互信息和克隆选择的高光谱波段选择算法。提供了一种在高光谱图像波段选择中，实现克隆迭代次数选定的方法。本发明的步骤为：一、读入高光谱图像，定义抗原并随机生成初始集合，按照个体适应值大小选择出最佳个体组成集合。二、克隆最佳个体生成临时克隆集合，并对克隆集合进行高频变异操作并从中再次选择最佳个体组成集合。三、利用归一化多维互信息判断前后两个集合的相关联程度来决定迭代是否停止。本发明可以达到对高光谱图像降维的目的，为使数值计算更加准确，利用归一化多维互信息对迭代次数进行选择，减少了选择过程中不必要的过多迭代过程，适用于高光谱图像波段选择应用。

(一)技术领域

本发明涉及高光谱图像的降维方法，具体涉及基于归一化多维互信息和克隆选择的高光谱波段选择方法。

(二)背景技术

高光谱图像是一种图谱合一的海量数据源，它既包含图像信息又包括光谱信息，不仅能够给出各个谱段上每个像素的光谱强度数据，而且光谱分辨率很高。这种成像技术可以应用在目标识别领域，为机载高光谱成像仪的探测、搜索等领域提供良好的探测手段。但高光谱图像包含信息过多，存在冗余信息，因此需要对高光谱数据进行特征选择。

特征选择的主要任务是挑选出在设定准则下能够代表原始图像信息的特征。在模式分类中，它是一个很重要的预处理环节，其主要作用是负责约减可能影响分类性能和效率的冗余特征。虽然图像融合方法同样能够对原始输入数据进行约减，但在进行融合变换后，原来的输入空间不再具有清晰的物理意义，而且这也导致分类器结果无法录入统一的知识库中，因而失去进一步对比研究和训练同类分类器的作用。在高光谱特征选择领域中最主流的方法是波段选择，波段选择是从给定的高光谱数据中选出指定段数并满足要求的最优波段的过程。波段选择面对着样本的选择问题，样本应该有着与原始样本相同的数据分布特征，这样的波段选择具有广泛的应用性。尽管波段选择样本是从原始样本中随机选择的，但其必须包含高光谱图像所有的地物特性。

波段选择中的主要环节一般为选择准则和搜索策略两点，前者主要影响波段选择后模式的分类精度，后者主要影响搜索的速度。虽然Bayes误差可用来定义选择过程中产生的误差，但是其并没有可解析的表达形式。因此，许多替代方案纷纷被提出并得到应用，如来源于概率统计方面的散度距离等，它们都是高斯分布情况下，Bayes误差的上界。此外，还有一些数学意义上并不严格的Bayes误差替代准则，如来源于相关分析方面的互信息等。

互信息(Mutual Information，MI)由于其不用假设数据服从任何分布因此在高光谱波段选择领域上具有十分明显的潜力，但是潜力还并没有被完全发掘。为了达到数值计算更加简单且更加准确的目的，整个数据集的多维MI可以被分解为若干个一维MI以及若干个一维条件MI。一维条件MI会较快地趋于0，因此可以对其进行舍弃。这种方法效果较好，并且在运算量方面拥有明显优势。

克隆选择(Clonal Selection)算法是来源于人体免疫系统中的克隆选择原理的一种选择方法。克隆选择认为人体免疫细胞能够随机生成多样性克隆，每一个免疫细胞的克隆表现针对某一个特点抗原的特异性受体，对于某一个选定抗原，该抗原与表达其特异性受体的免疫细胞发生特异性结合。一般来说，抗原可看做待求解问题的对象函数和限制条件，抗体可看做待求解问题的待选解，抗原抗体的亲和力可看做是是待求解问题的候选解满足待求解问题目标函数的程度。人体免疫系统过程可被看成是待求解问题的优化过程，而克隆选择算法是模拟免疫系统应答的过程，它的目的是搜索到最优波段组合即找到合适的抗体并将抗原清除。

(三)发明内容

本发明的目的在于提出基于归一化多维互信息和克隆选择的高光谱图像波段选择方法，提供了一种在高光谱图像波段选择中，提出并利用了多维互信息估计与克隆迭代次数确定的方法。它能解决直接求解多维互信息出现的难以求解的问题以及迭代次数需要人为确定的问题。