[發明專利]基于歸一化多維互信息和克隆選擇的高光譜波段選擇方法

有效

• 申請號: 201610445958.0
• 申請日: 2016-06-21
• 公開（公告）號: CN107527061B
• 公開（公告）日: 2021-12-14
• 發明（設計）人: 張淼;于文博;沈毅
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及高光譜圖像的降維方法，具體涉及一種基于歸一化多維互信息和克隆選擇的高光譜波段選擇算法。提供了一種在高光譜圖像波段選擇中，實現克隆迭代次數選定的方法。本發明的步驟為：一、讀入高光譜圖像，定義抗原并隨機生成初始集合，按照個體適應值大小選擇出最佳個體組成集合。二、克隆最佳個體生成臨時克隆集合，并對克隆集合進行高頻變異操作并從中再次選擇最佳個體組成集合。三、利用歸一化多維互信息判斷前后兩個集合的相關聯程度來決定迭代是否停止。本發明可以達到對高光譜圖像降維的目的，為使數值計算更加準確，利用歸一化多維互信息對迭代次數進行選擇，減少了選擇過程中不必要的過多迭代過程，適用于高光譜圖像波段選擇應用。

(一)技術領域

本發明涉及高光譜圖像的降維方法，具體涉及基于歸一化多維互信息和克隆選擇的高光譜波段選擇方法。

(二)背景技術

高光譜圖像是一種圖譜合一的海量數據源，它既包含圖像信息又包括光譜信息，不僅能夠給出各個譜段上每個像素的光譜強度數據，而且光譜分辨率很高。這種成像技術可以應用在目標識別領域，為機載高光譜成像儀的探測、搜索等領域提供良好的探測手段。但高光譜圖像包含信息過多，存在冗余信息，因此需要對高光譜數據進行特征選擇。

特征選擇的主要任務是挑選出在設定準則下能夠代表原始圖像信息的特征。在模式分類中，它是一個很重要的預處理環節，其主要作用是負責約減可能影響分類性能和效率的冗余特征。雖然圖像融合方法同樣能夠對原始輸入數據進行約減，但在進行融合變換后，原來的輸入空間不再具有清晰的物理意義，而且這也導致分類器結果無法錄入統一的知識庫中，因而失去進一步對比研究和訓練同類分類器的作用。在高光譜特征選擇領域中最主流的方法是波段選擇，波段選擇是從給定的高光譜數據中選出指定段數并滿足要求的最優波段的過程。波段選擇面對著樣本的選擇問題，樣本應該有著與原始樣本相同的數據分布特征，這樣的波段選擇具有廣泛的應用性。盡管波段選擇樣本是從原始樣本中隨機選擇的，但其必須包含高光譜圖像所有的地物特性。

波段選擇中的主要環節一般為選擇準則和搜索策略兩點，前者主要影響波段選擇后模式的分類精度，后者主要影響搜索的速度。雖然Bayes誤差可用來定義選擇過程中產生的誤差，但是其并沒有可解析的表達形式。因此，許多替代方案紛紛被提出并得到應用，如來源于概率統計方面的散度距離等，它們都是高斯分布情況下，Bayes誤差的上界。此外，還有一些數學意義上并不嚴格的Bayes誤差替代準則，如來源于相關分析方面的互信息等。

互信息(Mutual Information，MI)由于其不用假設數據服從任何分布因此在高光譜波段選擇領域上具有十分明顯的潛力，但是潛力還并沒有被完全發掘。為了達到數值計算更加簡單且更加準確的目的，整個數據集的多維MI可以被分解為若干個一維MI以及若干個一維條件MI。一維條件MI會較快地趨于0，因此可以對其進行舍棄。這種方法效果較好，并且在運算量方面擁有明顯優勢。

克隆選擇(Clonal Selection)算法是來源于人體免疫系統中的克隆選擇原理的一種選擇方法。克隆選擇認為人體免疫細胞能夠隨機生成多樣性克隆，每一個免疫細胞的克隆表現針對某一個特點抗原的特異性受體，對于某一個選定抗原，該抗原與表達其特異性受體的免疫細胞發生特異性結合。一般來說，抗原可看做待求解問題的對象函數和限制條件，抗體可看做待求解問題的待選解，抗原抗體的親和力可看做是是待求解問題的候選解滿足待求解問題目標函數的程度。人體免疫系統過程可被看成是待求解問題的優化過程，而克隆選擇算法是模擬免疫系統應答的過程，它的目的是搜索到最優波段組合即找到合適的抗體并將抗原清除。

(三)發明內容

本發明的目的在于提出基于歸一化多維互信息和克隆選擇的高光譜圖像波段選擇方法，提供了一種在高光譜圖像波段選擇中，提出并利用了多維互信息估計與克隆迭代次數確定的方法。它能解決直接求解多維互信息出現的難以求解的問題以及迭代次數需要人為確定的問題。