[發明專利]基于各類重要波段提取的高光譜圖像波段選擇方法

在審

• 申請號: 201310408058.5
• 申請日: 2013-09-09
• 公開（公告）號: CN103488997A
• 公開（公告）日: 2014-01-01
• 發明（設計）人: 張杰;李士進;仇建斌
• 申請（專利權）人: 南京小網科技有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 許方

技術領域

本發明屬于高光譜圖像處理領域，更具體地說是基于各類重要波段提取與分支定界法的高光譜圖像波段選擇方法。?

背景技術

高光譜遙感技術（hyperspectral?remote?sensing）的出現是遙感領域的一場革命，為人類提供了一種全新的觀察外部世界的技術手段。隨著航空航天技術和遙感科學的迅速發展，可獲取的高光譜遙感數據正以驚人的速度增長，如何對之進行有效處理并充分利用其中蘊涵的豐富信息，是當前遙感與模式識別領域研究的熱點課題之一。高光譜圖像往往由上百個波段組成，波段數目多、波段間相關性高和冗余度大，給進一步分析處理帶來了巨大的計算量，從而使問題變得極為復雜。?

處理高光譜遙感數據最重要的預處理是對眾多波段進行降維，常用方式有特征提取與波段選擇。特征提取通過線性或非線性變換將高維特征空間映射到低維空間，但提取的特征失去了原有的物理意義且存在高維特征空間的“小樣本問題”；而波段選擇通過一定的判決準則對波段進行篩選，從原始波段中選取一部分對高光譜數據分類或識別有用的波段作為輸入信息，從而減少冗余波段提高分類的計算效率及精度。?

與特征提取相比，波段選擇方法更為簡單并且選擇后的波段仍然保留了原來的物理意義，因此成為了現今高光譜遙感數據降維處理中的研究熱點。?

其實，高光譜遙感圖像的波段選擇是一個非常復雜的組合優化問題。對于該問題，較為有效的方法是通過搜索算法結合評估函數的方式來搜尋最優的波段子集。但由于波段眾多，直接對原始波段進行搜索，搜索空間巨大（對于200個波段的高光譜數據，搜索空間是2²⁰⁰），在目前的硬件和軟件條件下還不能取得理想的效果。?

現有技術中，如在申請號為2010101529156,發明名稱為“基于條件互信息的遙感高光譜圖像波段選擇方法”的專利申請中記載了將波段條件互信息分組信息用于遺傳算法搜索中，取得了較好的波段選擇效果，提高了搜索效率，但其搜索過程耗時仍然較長；在申請號為201010195127.5，發明名稱為“基于時間序列重要點分析的高光譜遙感圖像波段選擇方法”中，提出了基于時間序列重要點分析提取的波段選擇方法，但由于是基于聚類分析獲得典型光譜曲線，信息損失較多，最終的分類精度不及利用原始所有波段的分類精度。?

發明內容

本發明提供了一種選擇波段數量少且精度高、搜索速度快的基于各類重要波段提取的高光譜圖像波段選擇方法。?

為解決上述技術問題，本發明的發明思路：將各類樣本的重要波段集匯總為初始波段集，在該初始波段集的基礎上利用分支定界法來選取最終波段組合，在利用分支定界法進行搜索時，在每次計算非單支節點的可分判據準則函數之前進行分組約束條件的判斷，當該非單支節點的條件互信息分組數小于某個閾值則認為該節點不能全面描述高光譜圖像數據的分類鑒別信息，因此不可能作為最優路徑上的一個節點，可以不計算它的可分判據準則函數，從而又可以減少一定數目的可分判據準則函數計算。?

本發明基于各類重要波段提取的高光譜圖像波段選擇方法，包括以下步驟：?

（1）將各類樣本中的每個訓練樣本的高光譜數據作為一個時間序列；?

（2）利用小波變換對每一個時間序列進行平滑去噪處理；?

（3）通過提取步驟（2）平滑后的每個時間序列的重要點來確定各類樣本的重要波段集，其中，每個重要點對應一個重要波段；?

（4）匯總各類樣本的重要波段集形成初始波段集；?

（5）利用分支定界法在初始波段集的基礎上選擇最終波段組合，具體為：?

5-1、利用條件互信息對初始波段集中的波段進行分組，記錄其分組數目為NG；?

5-2、利用分支定界法進行搜索時，將搜索樹中的每個節點看作一個波段組合，根節點對應的波段組合為初始波段集，同父的各個子節點對應的波段組合為從父節點對應的波段組合中減去一個不同的波段，從搜索樹的根節點沿最右邊自上而下搜索，當遇到非單支節點時，采用步驟（5-1）中的獲得的分組信息確定該非單支節點對應波段組合的分組數目count_k，如果count_k>count_th則計算該非單支節點的可分判據準則函數J，否則J=0,其中count_th為波段分組數的閾值，其取值范圍為步驟（5-1）中波段分組數NG的0.4～0.7倍。?