[发明专利]一种基于蜂群智能的遥感影像聚类方法

权利要求书

1.一种基于蜂群智能的遥感影像聚类方法，其特征在于，包括如下步骤：

步骤1)确定待分类遥感影像分类数目，并将遥感影像的每一个像元随机分配给一种分类；每个像元具有预定数量的特征；

步骤2)根据像元的特征对像元进行蜂群智能挖掘，具体为：

步骤2.1)初始化控制参数；所述控制参数包括蜜蜂数量、最大循环次数、限制搜索次数；蜜蜂包括雇佣蜂、观察蜂；所述蜜蜂数量为p，雇佣蜂数量为p/2，所述观察蜂数量为p/2；

步骤2.2)建立食物源；每个食物源对应于一个雇佣蜂；所述食物源由每一个类别的聚类中心连接形成，长度为n×m，其中n为遥感影像中每一个像元的波段数目，m为待分类数目；所述食物源的前n位表示第一个类别的聚类中心，以此类推；

步骤2.3)计算食物源的适宜度；所述适宜度函数f的表达式为f＝1/(M+1)，M为聚类指标；

步骤2.4)搜索新食物源；即在根据步骤2.3)计算完现有食物源的适宜度后，在已有食物源周围随机搜索新的食物源位置；

步骤2.5)观察蜂根据随机概率P(X_i)对一个食物源进行跟随，随机概率P(X_i)的表达式为：

$P\left(X_i\right)=\frac{f\left(X_i\right)}{\underset{i=1}{\overset{N_e}{\mathrm{\Σ}}}f\left(X_i\right)}$

其中，X_i为第i个蜜蜂食物源位置，f(X_i)为食物源X_i的花粉丰度，N_e为雇佣蜂数量；

步骤2.6)若一个食物源在经过限制搜索次数后始终不能提高f(X_i)的值，则雇佣蜂转变为侦察蜂，使用列维飞行在解空间内全局搜索新的食物源；若能够提高f(X_i)的值，则跳转到步骤2.4)；

步骤2.7)当所有蜜蜂完成搜索，将当前的适宜度最高的最食物源与上一个循环的最优食物源进行比较，选取数值更高的作为当前的全局最优食物源；当循环达到最大循环次数时，停止循环并输出最优聚类中心。

2.根据权利要求1所述的方法，其特征在于，步骤2.3)中，聚类指标通过如下公式计算：

$M=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}\underset{x_j\∈C_i}{\mathrm{\Σ}}\left|\right|x_j-z_i\left|\right|$

其中，x_j为i(i＝1,2,…,k)类别中的任意一个遥感影像的像元，C_i为第i类聚类，z_i为类别i的聚类中心,j为类别i的像元个数,k∈{1,2,…,p/2}且k≠i。