[发明专利]基于优化遗传算法的遥感海量影像自动筛选方法

说明书

本发明公开了一种基于优化遗传算法的遥感海量影像自动筛选方法，依据用户对覆盖面积、分辨率覆盖率、云量覆盖率、时效性覆盖率等要求，采用遗传算法自动筛选出满足需求的影像解。首先获取最初影像集合，然后进行粗筛。随后采用二进制编码的方式进行建模并初始化生成影像解集合。然后计算综合得分，按照得分大小计算概率进行选择。对选择的影像解集合通过交叉变异求取新的影像解集合。循环上述过程，当达到循环结束条件时，选择最终解。该方法克服了传统贪婪算法引起的局部最优问题，避免了求解交叠率过高或者覆盖率较低的问题，可对覆盖面积、云覆盖率、时效覆盖率等多方面偏好进行权重配置，满足不同用户对最终筛选结果的不同需求。

技术领域

本发明属于遥感图像智能应用技术领域，更为具体地讲，涉及在各业务领域对影像区域、时效、质量的不同需求下一种基于优化遗传算法的遥感海量影像自动筛选方法。

背景技术

随着高分系列、吉林系列、高景系列、资源系列等军、民、商各类对地观测卫星逐步升空并投入使用，目前各单位逐步积累的遥感影像数据已达到百万级别，并且随着微纳卫星、星群、星座的概念提出，后续遥感影像数据将呈爆炸式增长。

根据业务需求，用户一般需要获取在关注区域内所有影像数据中满足要求的子集合，该数据子集合应满足采用最少的影像数量可拼接覆盖绝大部分指定区域的能力，同时应确保时间、云量、分辨率的相对最优。为达到这一效果，用户需要设定影像区域、影像云量、影像时间等参数对海量数据进行查询检索，从中挑选出满足要求的子集合。但往往检索返回动辄百条甚至上千条的影像候选集，严重降低了用户的使用体验并影响使用效率。因此，面向不同业务领域中用户的各类需求，如何自动、高效、弹性的从海量遥感影像数据中筛选提取出最优满足用户需求的影像或者影像集合是一个至关重要而又亟待解决的难题。

在此之前由于遥感影像总体数据量较小，尚未形成对数据进行自动化筛选的需求，因此业内少有对此类问题的一系列成熟的解决途径。但随着遥感数据量的爆炸式增长，目前急需解决对海量数据筛选得到最优解方法的优化问题。

(1)早期的最优求解搜索方法主要以广度优先、深度优先等穷举全局搜索方法为主，对于大量的待搜索集合该方法的计算复杂度随着数据量呈指数增长。百景影像最优解搜索时间可达几十分钟，当前用户需要从千万量级影像中筛选符合要求影像，此类方法远远无法满足用户对于检索效率的要求。

(2)随着影像的逐步增多，重复性影像的随之增加，越来越多的影像具有相似的成像范围、质量、时间，并且用户真正需要得到的筛选结果并非一定是所有数据集中的最优子集，在符合一定需求范围前提下无限逼近于最优的集合即可满足用户检索要求。因此一系列类似于贪婪算法的局部检索逐步取代全局搜索方法成为主流。但贪婪算法始终是一种规则型搜索方法，该方法随机生成初始位置，从初始位置开始遍历所有检索区域，选取当前位置上所有影像中质量、时间、区域占比最优的影像归入最终解中，导致最终结果受初始位置的初始解的约束较大，容易出现局部最优的情况。该方法虽然在一定程度上解决了搜索时效性问题，但同时引入了搜索效果欠佳的问题。

(3)随着智能化算法的逐步出现，一些局部智能搜索算法日趋成熟。本技术将遗传算法引入到遥感影像筛选任务当中，通过根据影像检索特定需求以及遥感影像数据特点对遗传算法进行了优化改进，借鉴生物进化论的方法，通过种群之间的不断交叉、变异、淘汰逐步实现了可自适应满足用户不同需求的高时效、高质量的影像筛选能力。

发明内容

本发明的目的在于克服当前海量遥感影像数据中难以快速、有效的筛选出符合用户需求的数据集的难题，提出了基于优化遗传算法的遥感海量影像自动筛选方法，实现提取海量影像中满足用户需求的影像数据集合最优解。相比以往方法降低了筛选过程的消耗时间，同时进一步提高筛选结果质量。

本发明采用的技术方案为：

一种基于优化遗传算法的遥感海量影像自动筛选方法，包括步骤：