[发明专利]基于自适应PSO的人工免疫网络的遥感图像目标识别方法

说明书

技术领域

本发明属于图像处理技术领域，涉及遥感图像目标识别方法，该方法可用于遥 感图像集的检测与识别问题。

背景技术

遥感及其信息处理技术在目标识别定位、实时跟踪、预警、电子对抗等高科技 对抗中已经起到了关键作用。遥感图像分类识别是遥感图像信息处理技术的一个分 支，分类识别过程就是将图像像素归到某一个类中去的过程，这里的“类”的概念 可以是图像中的某种地物，地貌或者相同地物的不同状态，一旦一个目标被分到某 一个类就可以更精确和方便的分析它的具体性质。

利用遥感图像可对森林资源进行分类，而且，对研究区域的成矿条件和找矿具 有一定的指导作用，在海洋应用中可以提取浅海地形，进行船泊的辩识和分类，另 外，可用于水资源调查，具有较为广泛的应用前景。

与遥感图像获取相对成熟的技术相比，目前对遥感图像智能感知和解译的研究 处在初级阶段。目前用于解决遥感图像目标识别主要有两种方法。

第一种是基于支撑矢量机的遥感图像目标识别方法。该方法首先提取遥感图像 的7维不变矩特征，然后从各个类别中选取部分训练样本输入到支撑矢量机训练，最 后对剩余样本识别分类。该方法存在的不足是部分参数对识别过程影响很大，且这 种基于统计学的支撑矢量机算法处理复杂问题的能力有限，导致目标识别结果不理 想。

第二种是基于遗传算法的遥感图像目标识别方法。该方法首先提取遥感图像的7 维不变特征，然后从各个类别中选取部分训练样本输入到遗传算法训练，最后对剩 余样本识别分类。该方法的不足是初始种群的选择对识别结果影响很大，且这种遗 传算法的全局搜索能力有限，导致识别结果不是很理想。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于自适应PSO的人工 免疫网络的遥感图像目标识别方法，它利用人工免疫网络算法与粒子群全局优化算 法的快速的全局收敛性，设计一种用于提高遥感图像目标识别能力的有监督分类方 法。

本发明的技术方案是将遥感图像集目标识别问题看作不同类别数据的分类问 题。用人工免疫网络算法计算搜索的最佳聚类中心作为网络节点。利用基于自适应 PSO的人工免疫网络算法的快速全局收敛性，搜索问题的最优解。具体包括过程如 下：

(1)提取图像目标的7个不变矩特征，并对这些特征数据作归一化处理；

(2)设定运行参数，选择训练样本，初始化免疫网络和免疫细胞；

(3)用统计免疫细胞对训练样本的正确识别率的方法，计算所有免疫细胞的亲 合度，克隆免疫细胞；

(4)对克隆后的免疫细胞群体执行如下基于自适应PSO的超变异操作：

4a)设置免疫细胞的各维初始速度：

V(i，j)＝rand*pm*|MC(i，j)-train(k，j)|*(MC(i，j)-train(k，j))

其中，p_m为变异概率，MC(i，j)表示第i个免疫细胞的第j维元素，train(k，j))表示 随机选取的训练样本的j维元素，

4b)根据设置的初始速度执行基于自适应PSO的变异操作，得到变异后的 免疫细胞：

MC′(i，j)＝MC(i，j)+W(i)*V(i，j)+r₁*rand*exp(-f(i))+r₂*rand*(gBest(j)-MC(i，j))

其中，f(i)表示第i个免疫细胞的亲和度值，gBest是全局极值，它表示当代种群 中亲和度最高的免疫细胞，r₁为局部学习参数、r₂为全局学习参数，它们的取 值之和为1，w是自适应惯性权值，