[发明专利]一种基于混沌二进制引力搜索算法的波段选择方法

说明书

本发明涉及一种基于混沌二进制引力搜索算法的波段选择方法，利用混沌二进制引力搜索算法对高光谱图像的波段选择问题优化求解，从而快速地获得高光谱图像波段中的较优的波段子集，可用于图像处理和模式识别相关技术领域中。本发明能够在可接受的时间代价内找到波段选择问题高质量的可行解，它不需要人为指定要选择的波段维数，能够智能的在正确识别率和波段维数之间取得很好的平衡，寻找到较优的波段子集。本发明利用混沌二进制引力搜索算法对高光谱图像原始的波段数据集进行波段选择，剔除不相关或冗余的波段，取出对分类正确率影响较大的波段，减少对不相关或冗余的波段分类的计算时间，进一步提高图像分类的正确率和效率。

技术领域

本发明属于高光谱图像处理和智能计算的交叉应用领域，涉及群智能优化算法在图像处理的应用，尤其涉及在高光谱图像波段选择问题上的解决方法，具体涉及一种基于混沌二进制引力搜索算法的波段选择方法。

背景技术

高光谱遥感是人类在对地观测方面取得的重大技术突破之一，它利用成像光谱仪纳米级的光谱分辨率获取到窄且光谱连续的图像数据。不同于多光谱遥感，高光谱遥感具有更加丰富的地物光谱信息，可以详细地反映待测物细微的光谱属性，为高光谱数据处理提供了更多的地物原始数据。目前国家大力开展高光谱遥感的科研项目，对高光谱的研究不断深入，并在资源勘探、灾害调查、地图绘制、海洋环境监测等领域发挥重要作用。

高光谱图像具有波段多、谱段间隔窄的特点，因此高光谱图像包含了大量的光谱和空间信息，有较高的光谱分辨率。与此同时，随着光谱的增多以及图像数据量的剧增，对高光谱图像的存储和处理带来了极大的挑战。一方面，在高光谱图像中，由于相邻波段的中心波长间隔小，造成了相邻波段间的相关性增大，也就存在着大量的冗余信息。在绝大多数情况下，这些冗余的信息是不必要的，而且大量的冗余信息会对数据的处理效率造成一定的影响。另一方面，由于受到大气层散射等很多复杂因素的影响，高光谱图像在传播过程中会引入大量的噪声，甚至会出现有些波段数据几乎全是噪声的情况，如果在对图像处理的过程中，使用这些波段，必然会对数据的处理产生不利的影响。因此，如何在不损失重要信息的基础上，移除冗余信息和噪声信息，尽可能地降低数据的维度，成为了一个重要的问题。

针对提出的问题，目前有两类解决方法，一类是基于变换的波段提取方法，例如，主成分分析法、投影寻踪法等等。这类方法是利用全部的波段信息，在整个波段空间作变换产生较少的新波段，以此来降低数据的维度并保持较高的分类正确率；另一类则是基于非变化的波段选择方法，这类方法是通过选取波段空间中有代表性的波段子集，使其可以在对图像进行分类等操作时取得比选择前更好的效果。通过剔除一些不相关的冗余波段以及一些噪声波段，缩减数据的存储量和计算量，从而简化数据的分类模型，提高数据的分类正确率和处理效率。

波段选择的方法主要有三类，第一类是基于信息量原则的波段选择方法，例如熵和联合熵、最佳指数因子、自动子空间划分、自适应波段选择和波段指数等；第二类是基于类别可分性原则，例如均值间的标准距离、离散度、类间平均可分性和B距离等；第三类是基于搜索方法，传统的方法包括序贯前项选择法和序贯后向选择法。这些算法的提出对高光谱图像的降维有了较大的帮助，但是仍未解决波段维数与数据处理正确率之间如何平衡的问题。实质上，波段选择问题是一个计算时间复杂度为指数级别的NP难求解问题。因此，波段选择问题可被视为组合优化问题，采用启发式算法或者最优化方法获得它的近似最优解。

发明内容

引力搜索算法是一种启发式优化算法，具有较强的全局寻优能力，为了解决图像的波段选择问题，本发明提出一种基于混沌二进制引力搜索算法的波段选择方法。

本发明所采用的技术方案是：

一种基于混沌二进制引力搜索算法的波段选择方法，其特征在于，包括以下步骤：

步骤1：读入测试图像，提取图像的波段信息，即原始波段样本集，将所述的原始波段样本集作为输入数据集，所述的波段提取方法是通过ENVI软件对图像的波段进行提取；