一种高光谱图像波段选择方法

摘要

本发明属于遥感图像处理技术领域，具体涉及一种基于拟态物理学优化算法的高光谱图像波段选择方法，属于遥感图像处理技术领域。本方法包含：（1）进行子空间划分；（2）产生初始种群、初始速度；（3）获得最优适应度值和最差适应度值；（4）获得种群个体的质量、个体受其他个体虚拟作用力以及作用力合力；（5）更新个体运动的速度和位置；（6）更新最优适应度值和最差适应度值；（7）判断迭代次数t是否满足t＞t_max，若满足，则停止循环；若不满足，迭代次数加1，继续执行步骤(4)-(7)。

主权项

一种高光谱图像波段选择方法，其特征在于，包含如下具体步骤：(1)获取高光谱图像波段间的相关系数矩阵，根据相关系数矩阵将高光谱图像进行子空间划分；(2)根据控制参数初始化种群、个体速度，产生初始种群、初始速度；(3)根据适应度函数获得初始种群的最优适应度值和最差适应度值；(4)获得种群个体的质量、个体受其他个体虚拟作用力以及作用力合力；(5)更新个体运动的速度和位置；(6)获得更新后的个体适应度值，更新最优适应度值和最差适应度值；(7)判断迭代次数t是否满足t＞t_max，若满足，则停止循环，输出最优波段组合；若不满足，迭代次数加1，进行t+1次迭代继续执行步骤(4)‑(7)；所述将高光谱图像进行子空间划分是将划分的波段子空间个数作为拟态物理学优化算法种群中个体的维数l，子空间中波段区间即为个体每一维运动的范围；所述将高光谱图像进行子空间划分是在每个子空间中同时选择多个波段作为个体在此子空间中的维数，个体在所有子空间中维数之和即为个体的总维数，其中在每个子空间中波段的选择，根据子空间中波段的个数，按比例取值；所述初始化种群是在确定每个子空间波段序号的上、下界的情况下，在每个子空间的波段区间内，即运动的空间内，产生n个波段，即每个个体在每个子空间中只选择一个波段，因此产生一个n×l的正整数矩阵，每一行代表一个波段组合，即拟态物理学优化算法中的一个个体，这样产生了n个初始种群个体；种群个体数为n，每个个体的维数为l，最大迭代次数t_max，引力常量G，惯性权重初始状态下，个体所受其他个体的虚拟作用力和合力为零；所述初始化个体速度是根据每个子空间中的波段数目，确定个体速度向量每一分量的最大值其中，c(j)和d(j)表示第j个子空间波段序号的下界和上界，在运动速度的约束范围V_i＝[‑V_max,V_max]内，产生初始速度矩阵V_n×l；以Jeffries‑Matusita距离作为类间可分性函数，最佳索引因子作为信息量函数，计算初始种群个体的适应度值，获得所述初始种群的最优适应度值和最差适应度值，类间可分性函数距离为：其中D_ij为：式 中，μ_i、μ_j分别为第i类和第j类在波段组合上的度量均值矢量，Σ_i、Σ_j分别为第i类和第j类在波段组合上的协方差矩阵，T为转置符；最佳索引因子为其中，S_i为波段i方差，R_ij为波段i和波段j的相关系数；初始种群个体的适应度值f(x_i)＝a×J+b×OIF，其中，a和b为权重系数；所述个体质量与个体的适应度值成正比例关系，种群规模为n，第i(i＝1,2,...,n)个个体的质量表示为m_i，其中，x_best为当前种群中的最优个体，x_worst为当前种群中的最差个体，f(x_best)为最优个体的适应度值，f(x_worst)为最差个体的适应度值，f(x_i)为个体x_i的适应度值；所述个体受其他个体虚拟作用力，其中，G为引力常量，|x_j,k‑x_i,k|为个体j到个体i在第k维上的绝对距离；所述作用力合力所述第t+1次迭代个体速度v_i,k(t+1)＝wv_i,k(t)+αF_i,k/m_i,其中v_i,k表示在第k维个体i的速度，t为迭代次数，w为惯性权重，α为α～N(0,1)的随机数；个体的运动速度满足V_i＝[‑V_max,V_max]，个体位置x_i,k(t+1)＝x_i,k(t)+v_i,k(t+1),其中x_i,k表示在第k维个体i的位置，个体的运动空间满足X_i＝[X_min,X_max]，对超出约束范围的个体速度和个体位置，