[发明专利]一种基于多目标免疫克隆的高光谱图像分类和波段选择的方法

摘要

本发明公开一种基于多目标免疫克隆的高光谱图像分类和波段选择的方法，其实现步骤为利用稀疏表示分类器对高光谱遥感图像进行分类得到基于像素的分类图；利用均值漂移对高光谱遥感图像进行预处理，并把处理后的图像经过多目标免疫克隆聚类和波段选择算法进行分割得到多个聚类结果，然后从这些聚类结果中选出最优的聚类结果组成分割图；利用最大投票规则融合得到的分类图和得到的分割图获得最后的结果图。主要的优势在于它在训练样本很少的情况能够得到很高的正确率和卡帕系数值，区域一致性保持的很好，并且适用于多幅高光谱数据，参数调节简单方便。

主权项

一种基于多目标免疫克隆的高光谱图像分类和波段选择的方法，其特征是：包括如下步骤：(1)利用稀疏表示分类器对高光谱遥感图像进行分类得到基于像素的分类图；(2)利用均值漂移对高光谱遥感图像进行预处理，并把处理后的图像经过多目标免疫克隆聚类和波段选择算法进行分割得到多个聚类结果，然后从这些聚类结果中选出最优的聚类结果组成分割图；2a)对高光谱图像数据进行均值漂移得到高光谱图像的分块图；2b)由步骤2a)中得到的分块图作为多目标免疫克隆聚类和波段选择算法的输入得到多个聚类结果；2c)从步骤2b)中得到的多个聚类结果中选出一个最优的聚类结果构成分割图；(3)利用最大投票规则融合步骤(1)中得到的分类图和步骤(2)得到的分割图获得最后的结果图；其中步骤(2a)中对高光谱图像数据进行均值漂移得到高光谱图像的分块图的具体步骤如下：2a1)将高光谱图像的每一个像素点为一个样本，每个样本用一个特征向量表示，假设样本的特征维数为D，样本总数为N，所有的样本组成高光谱图像数据集T；2a2)由步骤2a1)中得到的高光谱图像数据集T进行均值漂移得到高光谱图像的分块图，具体步骤如下：1)对数据集T中的每一个点x'∈T,构建一个新的向量x＝(xs,xr),其中xs表示网格点的坐标,xr表示该网格点上D维向量特征；2)根据得到的新的向量x＝(xs,xr)计算该点的均值漂移值M(x)，计算公式如下Khs,hr=1hs2hrDf(||xshs||2)f(||xrhr||2)]]>M(x)=Σi=1kKhs,hr(xi-x)(xi-x)Σi=1kKhs,hr(xi-x)]]> f(z)＝exp{‑||x‑xc||∧2/(2*σ)∧2}其中,k＝1000，hs＝3，hr是xr的标准方差，xi表示距离x最近的第i个样本点，xc为核函数的中心,σ为函数的均方差，xc＝0,σ＝1；3)判断是否终止循环，取ε＝10‑6，如果||M(x)‑x||<ε，结束循环，输出该点的均值漂移M(x)，否则，执行步骤4)；4)把M(x)赋给x，循环执行1)，直至满足条件；5)把均值漂移值相同的样本点归为一类，得到高光谱图像的分块图。