[发明专利]基于共享最近邻的高光谱最优波段选择方法

摘要

本发明公开了一种基于共享最近邻的高光谱最优波段选择方法，用于解决现有波段选择方法实用性差的技术问题。技术方案是利用欧式距离度量每个波段之间的相似性，通过K近邻方法获得每个波段周围的K个邻近波段，采用共享最近邻方法计算每个波段的局部密度；获得每个波段到其它高密度波段的最小距离，通过信息熵计算每个波段信息量的大小，将三个因子的乘积作为波段权重；将高光谱波段的权重进行降序排序，通过权重曲线的斜率变化得到最大索引，进而确定最优波段数量。由于共享最近邻从局部分析每个波段与其它波段之间的局部相似性，能准确反映空间中各个波段的局部分布特征，同时考虑到被选波段的信息量，提高了高光谱波段选择的鲁棒性，实用性好。

主权项

1.一种基于共享最近邻的高光谱最优波段选择方法，其特征在于包括以下步骤：步骤一、假设L为高光谱的波段数量，每个波段的尺寸大小为W×H，将每个波段的空间图像拉伸为一维向量，并将每个波段的数据进行归一化处理，得到所有波段的初始矩阵X＝[x₁,x₂,...,x_L]，其中，x_i为波段i的向量；步骤二、采用欧式距离度量任意两个波段之间距为D(x_i,x_j)：利用K近邻方法得到波段i周围的K个波段为：kd(x_i)＝{x_i∈X|D(x_i,x_j)≤d_i}，其中，d_i表示距波段i的第K个波段的距离；步骤三、对高光谱的每个波段，计算波段i与波段j共享局部共享近邻数量：S(x_i,x_j)＝|kd(x_i)∩kd(x_j)|，根据步骤二中的D(x_i,x_j)与S(x_i,x_j)矩阵，每个波段的局部密度定义：步骤四、对高光谱每个波段，计算每个波段与其它更高的局部密度波段之间的最小距离σ_i，对于有着最大局部密度的波段，将其直接等于与其它波段最远的距离，具体公式定义如下：步骤五、采用信息熵衡量每个波段的信息量大小，记为H_i：H_i＝‑∑p(a)log(p(a))其中，p(a)表示事件a发生的概率；归一化每个波段的局部密度ρ_i、最小距离σ_i、信息量H_i，将三个因子的乘积作为最终的波段权重w_i＝ρ_i×δ_i×H_i步骤六、将高光谱波段的权重进行降序排序，并通过权重曲线的斜率变化得到符合候选波段的数量p：p＝{i|||k_i|‑|k_j||≥γ}，其中，i的取值范围为1≤i≤L‑2，k_i为第i个波段与第i+1个波段权重曲线的斜率，γ为相邻两个波段之间权重曲线斜率的平均值；根据候选的波段数量p，选择最大值作为最优波段的数量。