一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法
【專利摘要】一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法，含以下步驟：一、讀入高光譜分辨率圖像數(shù)據(jù)；二、根據(jù)應(yīng)用需求及地物之間可分性，確定組成原始光譜特征空間的光譜特征；三、初始化感興趣類別各個(gè)光譜特征權(quán)重；四、構(gòu)建感興趣類別的類內(nèi)離散度矩陣和類間離散度矩陣；五、計(jì)算得到光譜特征空間權(quán)化的感興趣類別特征空間變換矩陣，構(gòu)建光譜特征空間權(quán)化的適應(yīng)度函數(shù)；六、采用基于速度壓縮的進(jìn)化策略，計(jì)算步驟五的適應(yīng)度函數(shù)值，更新感興趣類別各個(gè)光譜特征權(quán)重；七、進(jìn)行迭代終止條件判斷，若滿足則獲得最終感興趣類別各個(gè)光譜特征權(quán)重，若不滿足返回步驟五；八、利用步驟七得到的優(yōu)化后感興趣類別各個(gè)光譜特征權(quán)重，進(jìn)行光譜特征指數(shù)的提取。
【專利說明】一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法，屬于高光譜數(shù)據(jù)處理方法與應(yīng)用【技術(shù)領(lǐng)域】，適用于高光譜數(shù)據(jù)特征提取的理論方法和應(yīng)用技術(shù)研究。
【背景技術(shù)】
[0002]高光譜遙感數(shù)據(jù)具有圖譜合一的特點(diǎn)，連續(xù)的光譜特征為直接地物識(shí)別提供了有效的技術(shù)支撐。目前，光譜特征提取方法主要包括兩大類，一類是基于光譜特征參量提取的方法，主要包括提取光譜吸收特征位置、深度、寬度、面積、斜率等以及歸一化光譜吸收特征指數(shù)等；另一類是基于光譜特征變換的方法，主要包括主成分變換、投影追蹤、最小噪聲分量分離等。其中，基于光譜特征參量提取的方法只是利用了單一的光譜特征參量，提取的特征容易受到外界因素的影響，并且地物光譜主要特征/單一光譜特征會(huì)存在一定的相似性，從而導(dǎo)致提取特征的不穩(wěn)定和匹配不唯一性，最終使得識(shí)別精度下降；基于光譜特征變換的方法在一定程度上增強(qiáng)了目標(biāo)光譜特征之間的差異性，但是改變了原始光譜特征的物理含義，使得在識(shí)別中很難實(shí)現(xiàn)有效地匹配識(shí)別，從而導(dǎo)致識(shí)別精度的下降。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法，它是一種綜合利用多個(gè)光譜特征、穩(wěn)定的基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法。
[0004]本發(fā)明的技術(shù)解決方案為:一種利用優(yōu)化算法實(shí)現(xiàn)不同貢獻(xiàn)特征的權(quán)重優(yōu)化的穩(wěn)定光譜特征指數(shù)提取方法，該方法首選利用多光譜特征參量構(gòu)建原始特征空間，基于可分性與貢獻(xiàn)的準(zhǔn)則構(gòu)建特征權(quán)化判別準(zhǔn)則，再利用基于隨機(jī)搜索的智能優(yōu)化方法進(jìn)行不同特征權(quán)重的優(yōu)化，最后基于特征加權(quán)等技術(shù)方法實(shí)現(xiàn)穩(wěn)定、多光譜特征聯(lián)合提取，從而在綜合利用高光譜數(shù)據(jù)豐富的光譜特征的同時(shí)提高特征提取的穩(wěn)定性以及地物識(shí)別的準(zhǔn)確性。
[0005]本發(fā)明一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法，其步驟如下:
[0006]步驟(I)讀入高光譜分辨率圖像數(shù)據(jù)；
[0007]步驟(2)根據(jù)應(yīng)用需求以及地物之間的可分性，確定組成原始光譜特征空間的光譜特征；
[0008]步驟(3)初始化感興趣類別各個(gè)光譜特征權(quán)重；
[0009]步驟(4)基于類別可分性最大化的準(zhǔn)則，構(gòu)建感興趣類別的類內(nèi)離散度矩陣和類間離散度矩陣；
[0010]步驟(5)計(jì)算得到光譜特征空間權(quán)化的感興趣類別特征空間變換矩陣，構(gòu)建光譜特征空間權(quán)化的適應(yīng)度函數(shù)；
[0011]步驟(6)采用基于速度壓縮的進(jìn)化策略，計(jì)算步驟(5)的適應(yīng)度函數(shù)值，不斷更新感興趣類別各個(gè)光譜特征權(quán)重；
[0012]步驟(7)進(jìn)行迭代終止條件判斷，若滿足迭代終止條件則獲得最終感興趣類別各個(gè)光譜特征權(quán)重，若不滿足迭代終止條件，返回步驟(5)；
[0013]步驟(8)利用步驟(7)得到的優(yōu)化后的感興趣類別各個(gè)光譜特征權(quán)重，進(jìn)行光譜特征指數(shù)的提取。
[0014]其中，步驟⑴中所述的讀入高光譜數(shù)據(jù)為:X = [Xl，x2，...，xn]T，n為像元數(shù)。
[0015]其中，步驟(2)中所述的確定組成原始光譜特征空間的光譜特征的構(gòu)建方法包括三大類:第一類方法選擇光譜特征參量，主要是利用前十個(gè)吸收強(qiáng)度大的光譜特征；第二類方法選擇變換后的光譜特征，主要是利用消除相關(guān)性的主成分分析特征、具有非線性區(qū)分能力的核線性判別分析特征；第三類是上述兩種方法組合得到的光譜特征，即前十個(gè)吸收強(qiáng)度大的光譜特征與主成分分析特征、核線性判別分析特征組成的光譜特征。
[0016]其中，步驟(3)所述的初始化感興趣類別各個(gè)光譜特征權(quán)重，采用隨機(jī)初始化的方法確定。
[0017]其中，步驟(4)所述的基于類別可分性最大化的準(zhǔn)則，構(gòu)建感興趣類別的類內(nèi)離散度矩陣和類間離散度矩陣，其具體實(shí)現(xiàn)方法如下:
【權(quán)利要求】
1.一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法，其特征在于:該方法具體步驟如下: 步驟(1)讀入高光譜分辨率圖像數(shù)據(jù)； 步驟(2)根據(jù)應(yīng)用需求以及地物之間的可分性，確定組成原始光譜特征空間的光譜特征； 步驟(3)初始化感興趣類別各個(gè)光譜特征權(quán)重； 步驟(4)基于類別可分性最大化的準(zhǔn)則，構(gòu)建感興趣類別的類內(nèi)離散度矩陣和類間離散度矩陣； 步驟(5)計(jì)算得到光譜特征空間權(quán)化的感興趣類別特征空間變換矩陣，構(gòu)建光譜特征空間權(quán)化的適應(yīng)度函 數(shù)； 步驟(6)采用基于速度壓縮的進(jìn)化策略，計(jì)算步驟(5)的適應(yīng)度函數(shù)值，不斷更新感興趣類別各個(gè)光譜特征權(quán)重； 步驟(7)進(jìn)行迭代終止條件判斷，若滿足迭代終止條件則獲得最終感興趣類別各個(gè)光譜特征權(quán)重，若不滿足迭代終止條件，返回步驟(5)； 步驟(8)利用步驟(7)得到的優(yōu)化后的感興趣類別各個(gè)光譜特征權(quán)重，進(jìn)行光譜特征指數(shù)的提取。
2.根據(jù)權(quán)利要求1所述的一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法，其特征在于:步驟⑴中所述的讀入高光譜數(shù)據(jù)為:X = [X1, x2,, χη]τ, η為像元數(shù)。
3.根據(jù)權(quán)利要求1所述的一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法，其特征在于:步驟(2)中所述的確定組成原始光譜特征空間的光譜特征的構(gòu)建方法包括三大類:第一類方法選擇光譜特征參量，是利用前十個(gè)吸收強(qiáng)度大的光譜特征；第二類方法選擇變換后的光譜特征，是利用消除相關(guān)性的主成分分析特征、具有非線性區(qū)分能力的核線性判別分析特征；第三類是上述兩種方法組合得到的光譜特征，即前十個(gè)吸收強(qiáng)度大的光譜特征與主成分分析特征、核線性判別分析特征組成的光譜特征。
4.根據(jù)權(quán)利要求1所述的一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法，其特征在于:步驟(3)所述的初始化感興趣類別各個(gè)光譜特征權(quán)重，采用隨機(jī)初始化的方法確定。
5.根據(jù)權(quán)利要求1所述的一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法，其特征在于:步驟(4)所述的基于類別可分性最大化的準(zhǔn)則，構(gòu)建感興趣類別的類內(nèi)離散度矩陣和類間離散度矩陣，其具體實(shí)現(xiàn)方法如下:，
6.根據(jù)權(quán)利要求1所述的一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法，其特征在于:步驟(5)所述的計(jì)算得到光譜特征空間權(quán)化的感興趣類別特征空間變換矩陣，構(gòu)建光譜特征空間權(quán)化的適應(yīng)度函數(shù)，其具體實(shí)現(xiàn)方法如下: 假設(shè)針對感興趣類別i進(jìn)行特征權(quán)化采用的變換矩陣為Pi, Pi為對角陣，并且對角線元素為特征權(quán)重，如下:
7.根據(jù)權(quán)利要求1所述的一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法，其特征在于:步驟(6)所述的采用基于速度壓縮的進(jìn)化策略，計(jì)算步驟(5)的適應(yīng)度函數(shù)值，不斷更新感興趣類別各個(gè)光譜特征權(quán)重，其具體實(shí)現(xiàn)方法如下:為了解決搜索速度以及搜索精度的問題，采用基于速度壓縮的進(jìn)化策略:

8.根據(jù)權(quán)利要求1所述的一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法，其特征在于:步驟(7)所述的迭代終止條件判斷，其方法為達(dá)到最大迭代次數(shù)或IPbestiGO-gbest (k) I ( ε，其中，ε 為很小的數(shù)。
9.根據(jù)權(quán)利要求1所述的一種基于光譜特征空間權(quán)化的光譜特征指數(shù)提取方法，其特征在于:步驟(8)所述的利用步驟(7)得到的優(yōu)化后的感興趣類別各個(gè)光譜特征權(quán)重，進(jìn)行光譜特征指數(shù)的提取，該光譜特征指數(shù)的提取方法如下:
【文檔編號(hào)】G06T7/00GK103927756SQ201410174187
【公開日】2014年7月16日 申請日期:2014年4月28日 優(yōu)先權(quán)日:2014年4月28日
【發(fā)明者】楊日紅, 李娜, 李詠潔 申請人:中國國土資源航空物探遙感中心, 北京航空航天大學(xué)