[發(fā)明專利]一種基于多目標(biāo)正余弦算法的遙感影像空譜聚類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911291880.1
• 申請(qǐng)日: 2019-12-16
• 公開(kāi)（公告）號(hào): CN111126467B
• 公開(kāi)（公告）日: 2022-02-15
• 發(fā)明（設(shè)計(jì)）人: 萬(wàn)瑜廷;馬愛(ài)龍;鐘燕飛
• 申請(qǐng)（專利權(quán)）人: 武漢大學(xué)
• 主分類號(hào): G06V10/762
• 分類號(hào): G06V10/762;G06K9/62;G06V20/10;G06N3/00
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 王琪

本發(fā)明涉及一種基于多目標(biāo)正余弦算法的遙感影像空譜聚類方法。本發(fā)明結(jié)合多目標(biāo)優(yōu)化理論方法，將遙感影像聚類問(wèn)題轉(zhuǎn)換為類間距離最大化和類內(nèi)距離最小化的多目標(biāo)優(yōu)化問(wèn)題，同時(shí)考慮影像的空間信息建立空間信息項(xiàng)，構(gòu)建遙感影像聚類多目標(biāo)優(yōu)化函數(shù)。將聚類中心進(jìn)行編碼同時(shí)利用兼?zhèn)淙旨熬植克阉髂芰Φ恼矣嘞宜惴ㄟM(jìn)行個(gè)體及種群的更新，迭代優(yōu)化后獲取一組帕累托最優(yōu)解集，利用基于角度的選解方法自動(dòng)獲取最終的聚類中心個(gè)體，用以后續(xù)輸出聚類結(jié)果。本發(fā)明可以解決遙感影像多目標(biāo)聚類問(wèn)題，同時(shí)考慮多個(gè)影響因素獲得權(quán)衡解，另外提升了遙感影像聚類過(guò)程的優(yōu)化能力，可以獲取更佳的聚類結(jié)果。本發(fā)明可以有效提升遙感影像聚類的適用性和精度。

技術(shù)領(lǐng)域

本發(fā)明基于遙感圖像技術(shù)處理領(lǐng)域，特別涉及一種基于多目標(biāo)正余弦算法的遙感影像空譜聚類方法。

背景技術(shù)

遙感影像分類作為最基礎(chǔ)的遙感影像解譯工作之一，在土地利用制圖、城市規(guī)劃等遙感應(yīng)用中發(fā)揮著至關(guān)重要的作用。然而不同于遙感影像監(jiān)督分類，遙感影像聚類屬于非監(jiān)督分類，不需要任何的先驗(yàn)樣本信息，僅僅通過(guò)挖掘影像本身的結(jié)構(gòu)等信息進(jìn)行分類操作，減少了獲取大量高精度樣本的選取工作，從而擴(kuò)展了遙感圖像的應(yīng)用能力。在此基礎(chǔ)上，遙感影像聚類引起了許多研究學(xué)者的關(guān)注。

與此同時(shí)，遙感圖像聚類是一項(xiàng)艱巨的任務(wù)。其一，它涉及到在沒(méi)有任何先驗(yàn)信息的情況下對(duì)圖像進(jìn)行分類，遙感圖像聚類由于遙感圖像的高維性和復(fù)雜性，本質(zhì)上屬于一個(gè)復(fù)雜的優(yōu)化問(wèn)題。其二，傳統(tǒng)聚類方法優(yōu)化方式屬于梯度優(yōu)化，它很容易受到初始值的影響，陷入局部最優(yōu)解。其三，遙感影像不僅僅擁有豐富的光譜信息，還包含著復(fù)雜多樣的空間光譜信息，使得僅用單一的目標(biāo)函數(shù)難以進(jìn)行建模。由于上述幾個(gè)問(wèn)題的存在導(dǎo)致遙感影像聚類的表現(xiàn)往往較差。

發(fā)明內(nèi)容

本發(fā)明的目的在于提出一種基于多目標(biāo)正余弦算法的遙感影像空譜聚類方法。

本發(fā)明所提供的這種基于多目標(biāo)正余弦算法的遙感影像空譜聚類方法，結(jié)合多目標(biāo)優(yōu)化理論方法，將遙感影像聚類問(wèn)題轉(zhuǎn)換為類間距離最大化和類內(nèi)距離最小化的多目標(biāo)優(yōu)化問(wèn)題，同時(shí)考慮影像的空間信息建立空間信息項(xiàng)，構(gòu)建遙感影像聚類多目標(biāo)優(yōu)化函數(shù)。將聚類中心進(jìn)行編碼同時(shí)利用兼?zhèn)淙旨熬植克阉髂芰Φ恼嘞宜惴ㄟM(jìn)行個(gè)體及種群的更新，迭代優(yōu)化后獲取一組帕累托最優(yōu)解集，利用基于角度的選解方法自動(dòng)獲取最終的聚類中心個(gè)體，用以后續(xù)輸出聚類結(jié)果。

在本發(fā)明中我們所提出的基于多目標(biāo)正余弦算法的遙感影像空譜聚類方法具有以下三個(gè)顯著特點(diǎn)。一是融合空間信息的遙感影像多目標(biāo)聚類模型，可以更好地考慮遙感影像的不同特征，該模型考慮了多目標(biāo)聚類函數(shù)，加入空間信息項(xiàng)，實(shí)現(xiàn)了空譜聚類，增強(qiáng)了影像空間結(jié)構(gòu)的表現(xiàn)力，平滑了聚類結(jié)果；其二，將正余弦算法引入遙感影像多目標(biāo)聚類框架中，更好地平衡全局和局部搜索能力，使得所提出的方法能夠獲得更好的聚類中心；其三，利用基于角度的選擇方法自動(dòng)更新進(jìn)化過(guò)程中的目標(biāo)點(diǎn)，該方法提高了正余弦算法中目標(biāo)點(diǎn)的自動(dòng)更新能力，提高了多目標(biāo)聚類方法在遙感影像中的有效性。

本發(fā)明提供基于多目標(biāo)正余弦算法的遙感影像空譜聚類方法，實(shí)現(xiàn)步驟如下：

步驟1，輸入一幅待聚類的遙感影像以及聚類數(shù)目，并且對(duì)影像數(shù)據(jù)進(jìn)行歸一化，使得像素值在0～1之內(nèi)；

步驟2，利用模糊c均值聚類方法對(duì)影像進(jìn)行聚類獲取聚類中心作為正余弦算法中的初始目標(biāo)點(diǎn)；

步驟3，多目標(biāo)函數(shù)建模，構(gòu)建遙感影像空譜聚類的多目標(biāo)優(yōu)化函數(shù)；

步驟4，個(gè)體編碼及種群初始化；

步驟5，利用正弦余弦算法更新個(gè)體，隨后計(jì)算各個(gè)體所對(duì)應(yīng)的目標(biāo)函數(shù)值，并使用帕累托排序和擁擠距離排序更新種群，使種群的規(guī)模穩(wěn)定，從而獲得帕累托解集，并使用基于角度的選擇方法獲得帕累托解集中的最優(yōu)解作為下一步迭代的目標(biāo)點(diǎn)，迭代結(jié)束后獲得最優(yōu)聚類中心，；

步驟6，利用步驟5中所得到的最優(yōu)聚類中心，對(duì)輸入的遙感影像進(jìn)行聚類，最終輸出聚類結(jié)果。