[發(fā)明專利]基于改進K-means算法的高光譜圖像分類方法及裝置

在審

• 申請?zhí)枺?/td>: 202010465998.8
• 申請日: 2020-05-28
• 公開（公告）號: CN111611954A
• 公開（公告）日: 2020-09-01
• 發(fā)明（設(shè)計）人: 馬御棠;王達達;錢國超;彭慶軍;黃然;周仿榮;趙加能
• 申請（專利權(quán)）人: 云南電網(wǎng)有限責任公司電力科學(xué)研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/12
• 代理公司: 北京弘權(quán)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11363
• 代理人: 逯長明;許偉群

1.一種基于改進K-means算法的高光譜圖像分類方法，其特征在于，所述方法包括：

S1、獲取具有標簽的高光譜圖像原始數(shù)據(jù)，所述圖像中每個像素對應(yīng)一個樣本；

S2、采用主成分分析方法對高光譜圖像進行處理，降低所述高光譜圖像的維數(shù)，并對所述原始數(shù)據(jù)進行歸一化處理；

S3、利用遺傳算法初始k個類的類中心；

S4、計算每一個樣本到每個類中心的加權(quán)歐氏距離，將所述樣本劃分到距離最小的類；

S5、在滿足收斂條件時，得到高光譜圖像分類結(jié)果；否則，重新計算特征權(quán)值，重復(fù)步驟S4。

2.如權(quán)利要求1所述基于改進K-means算法的高光譜圖像分類方法，其特征在于，所述收斂條件為：

所述加權(quán)歐氏距離大于等于預(yù)設(shè)閾值δ，或迭代大于預(yù)設(shè)最大迭代次數(shù)。

3.如權(quán)利要求1所述基于改進K-means算法的高光譜圖像分類方法，其特征在于，采用主成分分析方法對高光譜圖像進行處理，降低所述高光譜圖像的維數(shù)，并對所述原始數(shù)據(jù)進行歸一化處理，具體執(zhí)行如下：

降低所述高光譜圖像的維數(shù)，包括：采用主成分分析法，將X×Y×C的高維光譜圖像從光譜維度將數(shù)據(jù)向低維空間進行映射轉(zhuǎn)換到由K個特征向量構(gòu)建的新空間中，降低至X×Y×K的低維光譜圖像；

對所述原始數(shù)據(jù)進行歸一化處理，包括：采用min-max標準化方法對原始數(shù)據(jù)進行歸一化處理。

4.如權(quán)利要求1所述基于改進K-means算法的高光譜圖像分類方法，其特征在于，所述遺傳算法，其種群初始化過程為：

產(chǎn)生一個隨機整數(shù)Ki∈(Kmin，Kmax)，其中，Kmin設(shè)置為2，Kmax等于圖像所要劃分類別數(shù)加上1；

從數(shù)據(jù)中隨機選取Ki個數(shù)據(jù)進行浮點數(shù)偏碼，完成一個字符串的構(gòu)建；

重復(fù)上述過程P次，直至完成P個字符串的構(gòu)建，最終完成種群初始化，其中，P為所要劃分的類別數(shù)。

5.如權(quán)利要求1所述基于改進K-means算法的高光譜圖像分類方法，其特征在于，

所述遺傳算法，其適應(yīng)度函數(shù)采用Davies-Bouldin指標，選擇算子為輪盤選擇法，遺傳算法運行至種群中最大適應(yīng)度值穩(wěn)定時認為達到收斂。

6.如權(quán)利要求1所述基于改進K-means算法的高光譜圖像分類方法，其特征在于，所述加權(quán)歐氏距離，表示為：

其中W_j代表第j個特征的特征值，初始值為1，此時距離函數(shù)退化為普通歐氏距離；X_kj表示樣本X_k的第j個特征，O_kj表示第k類的類中心的第j個特征。

7.如權(quán)利要求2所述基于改進K-means算法的高光譜圖像分類方法，其特征在于，所述閾值δ，任意兩個聚類中間的距離大于δ，則迭代停止；如果不滿足迭代條件，則重新計算特征權(quán)值。

8.如權(quán)利要求2所述基于改進K-means算法的高光譜圖像分類方法，其特征在于，所述特征權(quán)值，其獲取執(zhí)行如下：

從樣本x的同類樣本集中找到x的r個最近樣本集R；

從樣本x的不同類樣本集中分別找到r個最近鄰樣本構(gòu)成不同類臨近樣本集F；

計算第j個特征的特征權(quán)重，表示如下：

其中，Ra表示同類樣本集的第a(a＝1，2，…，r)個樣本，F(xiàn)_k，b表示第k個非同類樣本集的第b(b＝1，2，…，r)個樣本，L(T_j，x，R_a)是樣本x和R_a在第j個特征上的距離，L(T_j，x，F(xiàn)_k，b)是樣本x和F_k，b在第j個特征上的距離，P_k表示第k類樣本在全部樣本中出現(xiàn)的概率，P_y表示樣本y所屬類在全部樣本中出現(xiàn)的概率，m為迭代次數(shù)，初值為1。