[发明专利]基于子区间划分的高光谱图像非监督波段选择方法

说明书

本发明提供了一种高光谱图像波段选择方法。包括互信息矩阵构建、子区间划分、代表性波段选择、分类及其评价。所述的互信息矩阵通过计算两两波段间的互信息，形成互信息矩阵。所述的子区间为波段区间内两两波段间具有相近互信息的波段区间。所述代表性波段选择分为初始波段和剩余波段选择，初始波段为波段子区间内平均互信息和波段子区间外平均互信息的商最大的波段；剩余波段选择同一波段区间内与已选波段平均互信息和波段区间外平均互信息的积最小的波段。所述的分类使用最大似然分类和支持向量机分类对选择出的波段组合进行分类。所述评价使用地面真实分类图像验证分类的准确性。本发明主要解决高光谱图像信息冗余大和处理效率低的问题。

技术领域

本发明属于遥感图像处理领域，主要涉及的是一种对高光谱遥感图像非监督的波段选择的方法，可应用于高光谱图像数据的降维，分类和目标识别等领域。

背景技术

随着光谱成像仪的发展，高光谱遥感已成为遥感领域的主要手段之一，通过获得从可见光到中远红外光谱的数十个乃至数百个狭窄而连续的光谱波段图像，在二维图像的基础上形成了对应不同波段的光谱图像块(image cube)，并且具有较高的光谱分辨率。正因为其丰富的光谱信息，目前，高光谱遥感已广泛应用于环境监测、目标识别和地物分类等方面。但过多的光谱波段也为高光谱图像带来了数据量大，波段间相关性强，冗余度大等问题，造成高光谱遥感图像的存储资源占用多和计算处理效率的低。在对高光谱图像进行分类等应用时，随着数据维数的增加，甚至会产生严重的Hughes现象(随着数据维数的增加，分类精度会出现降低的现象)。针对上述问题，如何在尽量不损失数据信息的前提下进行高光谱数据降维是处理高光谱图像的一大挑战。

非监督波段选择方法是在没有类别先验知识的情况下，对波段进行选择，主要包括以下三种方法：基于信息量的波段选择方法，基于聚类的波段选择方法和基于增量式的波段选择方法。基于信息量的波段选择方法首先对各个波段图像计算其信息量的大小，根据每个波段所包含的信息量进行从大到小的排序，通过排序的顺序移除高光谱图像中信息量较小的波段，最后根据具体应用所需的波段数目选择信息量大小靠前的若干波段；基于聚类的波段选择方法根据地物对相邻波段具有相近反射率的特征，将反射率相近，即相似的波段图像进行聚类，再根据具体应用的不同选择标准，在不同的地物中寻找最具代表性的波段；基于增量式的方法通过逐个增加选择波段实现数据的降维，该方法首先选择若干最不相似的波段(最不相似波段有不同的取法，如：互信息最小或反射率相差最大)作为初始波段，再从其余所有波段中找到与初始波段最不相似的波段并加入初始波段中，这样不断寻找最不相似的波段，直到满足所需的波段数。