[發(fā)明專利]一種實(shí)現(xiàn)高光譜地物精細(xì)分類的獨(dú)立成分分析全局搜索方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 200710117801.6
• 申請(qǐng)日: 2007-06-25
• 公開(kāi)（公告）號(hào): CN101101234A
• 公開(kāi)（公告）日: 2008-01-09
• 發(fā)明（設(shè)計(jì)）人: 趙慧潔;李娜;賈國(guó)瑞
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G01J3/28
• 分類號(hào): G01J3/28;G01N21/31
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于獨(dú)立成分分析的全局搜索算法的高光譜地物精細(xì)分類方法，包括如下步驟：

(1)讀入高光譜數(shù)據(jù)；

(2)建立基于峰度的獨(dú)立成分分析模型；

(3)數(shù)據(jù)進(jìn)行中心化和球化；

(4)基于量子遺傳算法的獨(dú)立成分分析迭代計(jì)算；

(5)獨(dú)立成分排序；

(6)圖像二值化；

(7)獲取地物分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的高光譜地物精細(xì)分類方法，基于峰度的獨(dú)立成分分析模型為：

設(shè)觀測(cè)信號(hào)X＝[x₁，x₂，...，x_m]^T是m維的隨機(jī)向量，源信號(hào)S＝[s₁，s₂，...，s_n]^T是n維的獨(dú)立隨機(jī)向量，混合矩陣A為m×n維非奇異矩陣，則獨(dú)立成分分析模型可以描述為：

X＝AS

獨(dú)立成分分析的實(shí)質(zhì)是在源信號(hào)S和混合矩陣A未知的情況下，根據(jù)已知的觀測(cè)信號(hào)X利用源信號(hào)S的統(tǒng)計(jì)特性，確定分離矩陣W，使得：Y＝WX，且滿足Y＝[y₁，y₂，...，y_n]^T的各個(gè)變量之間盡可能的相互獨(dú)立，則Y就是S的一個(gè)估計(jì)，同時(shí)可以確定混合矩陣A＝W^-1。在獨(dú)立成分分析模型參數(shù)估計(jì)中采用最大化非高斯性的方法，利用的是數(shù)據(jù)的四階累積量-峰度(Kurtosis)，隨機(jī)變量y_i的峰度定義如下：

kurt ( y i ) = E { y i 4 } - 3 ( E { y i 2 } ) 2 ]]>

其中，E表示變量的均值。

3.根據(jù)權(quán)利要求1所述的高光譜地物精細(xì)分類方法，實(shí)現(xiàn)步驟(4)的流程如下：

(1)初始化種群和遺傳代數(shù)t＝1，并對(duì)種群中染色體進(jìn)行量子位編碼；

(2)由編碼后種群的觀測(cè)態(tài)產(chǎn)生二進(jìn)制解，得到分離矩陣，計(jì)算分離后信號(hào)，并運(yùn)用適應(yīng)度函數(shù)對(duì)其進(jìn)行評(píng)價(jià)，同時(shí)保存最佳解；

(3)終止條件判斷：如果滿足終止條件，則結(jié)束，執(zhí)行步驟(7)，并保存當(dāng)前的最佳解，否則繼續(xù)；

(4)執(zhí)行量子交叉操作，量子旋轉(zhuǎn)門(mén)更新策略，量子非門(mén)變異操作，以得到新的種群；

(5)由種群的觀測(cè)態(tài)產(chǎn)生二進(jìn)制解，得到分離矩陣，并計(jì)算分離后信號(hào)，并對(duì)分離后信號(hào)進(jìn)行中心化和白化操作，并運(yùn)用適應(yīng)度函數(shù)對(duì)其進(jìn)行評(píng)價(jià)，同時(shí)保存最佳解；

(6)遺傳代數(shù)增加1，執(zhí)行步驟(5)；

(7)計(jì)算分離矩陣和分離信號(hào)，結(jié)束。

4.根據(jù)權(quán)利要求1所述的高光譜地物精細(xì)分類方法，實(shí)現(xiàn)步驟(5)的過(guò)程中采用的獨(dú)立成分排序指標(biāo)為：k₃²，其中，k₃為三階累積量-偏度(Skewness)。