[发明专利]基于免疫进化策略的高光谱图像分类方法

摘要

本发明涉及一种基于免疫进化策略的高光谱图像分类方法，并开发了相应的仿真原型系统，该系统具有人机交互接口模块、高光谱最优波段选择模块、高光谱地物分类模块、分类结果输出模块四个功能模块。本发明方法流程包括以下步骤：1、获得初始数据及相关初始化操作；2、种群初始化；3、种群初始选择；4、种群克隆增殖；5、种群混合变异；6、选择记忆种群；7、种群抗体补充；8、迭代计算，重复步骤3～7，直至达到最大进化代数；9、使用最优抗体对高光谱数据进行地物分类；10输出高光谱图像地物分类结果。该方法能够自适应地选取不同场景下不同地物分类所需要的最佳波段组合，有着较优的时间复杂度与良好的鲁棒性，并且分类精度高，适用范围广。

主权项

1.一种基于免疫进化策略的高光谱图像分类方法，并开发了相应的仿真原型系统，该系统具有人机交互接口模块、高光谱最优波段选择模块、高光谱地物分类模块、分类结果输出模块四个功能模块；该方法流程步骤如下：假设给定高光谱图像中光谱波段集合B，记作表示高光谱图像中包含的波段总数，以及抗体种群集合Ab，记作Ab(k)＝{ab₁，ab₂，…，ab_N}，N表示种群规模，且满足ab_i∈B(i＝1，2，…，N)；通过人机交互接口模块完成步骤一；步骤一获得初始数据及相关初始化操作通过人机交互接口模块获得待处理的高光谱数据，并设置如下相关参数：最大进化代数genMax，初始种群数量N_Init，每代初始选择种群数量N，混合变异步长δ，选择波段总数N_B；通过高光谱最优波段选择模块完成步骤二～步骤八；步骤二种群初始化随机初始化种群，得到数量为N_Init的初始抗体种群，记作其中ab_i∈B(i＝1，2，…，N_Init)；步骤三种群初始选择通过计算公式(1)得到每个抗体ab_i(ab_i∈Ab_Init(k))的亲和力；从初始种群Ab_Init(k)中选择前N个抗体，这里Ab_Init(k)中的抗体ab_i按照其亲和力降序排序；通过种群初始选择步骤，形成初始选择种群Ab(k)；Aff=11+sepIndex---(1)]]>其中，Aff表示抗体和抗原间的亲和力的大小，sepIndex表示地物间的可分性，其值可通过计算公式(2)得到：sepIndex=SCM·BCED·SAM---(2)]]>其中，SCM表示两光谱间的相似度，BC表示两波段间的相关性，ED表示两光谱间的欧式距离，SAM表示两光谱间的夹角；SCM、BC、ED、SAM的值可分别通过计算公式(3)～(6)得到；SCM(A,B)=Σk=1NB(Ak-μB)·(Bk-μB)(N-1)·σA·σB---(3)]]>其中，SCM(A，B)为光谱A、B之间的相关系数，μ_A和σ_A分别表示A的均值和方差，μ_B和σ_B分别表示B的均值和方差；BC(i,j)=Σp=1NB(xip-μi)·(μjp-μj)Σp=1NB(xip-μi)2·Σp=1NB(xjp-μj)2---(4)]]>其中，BC(i，j)为波段i和波段j间的相关系数，x_ip和x_jp分别为波段i和波段j内的第p个像元的辐射亮度值，μ_i和μ_j分别为波段i和波段j的辐射亮度值均值；ED(A,B)=Σk=1NB(Ak-Bk)2---(5)]]>其中，ED(A，B)为光谱A、B之间的欧氏距离，A_k为地物A的光谱向量的第k个分量，B_k为地物B的光谱向量的第k个分量；SAM(A,B)=arccos(ATB||A||·||B||)---(6)]]>其中，arccosα(·)为光谱A、B之间的光谱夹角；步骤四种群克隆增殖对抗原种群中的每个抗体ab_i(ab_i∈Ab(k))进行克隆操作，其克隆数量N_Ci可通过计算公式(7)得到：其中，N_Ci(i＝1，2，…，N)表示ab_i的克隆数量，表示下取整函数，norAff_i(i＝1，2，…，N)表示归一化后抗体ab_i的亲和力；通过种群克隆增殖步骤，形成总的克隆种群Ab′(k)，种群规模为NC步骤五种群混合变异对亲和力高的克隆种群{ab′_i}(ab′_i∈Ab′(k)，i＝1，2，…，p)进行单点变异操作，而对亲和力低的克隆种群{ab′_i}(ab′_i∈Ab′(k)，i＝1，2，…，q，s.t.：p+q＝N_Ci)进行多点变异操作；在进行抗体的变异操作时，抗体均采用实数编码方式，这里b_i∈B；单点变异操作描述如下：在抗体ab_i中随机选取一点b_k(k＝1，2，…，N_B)，然后用随机值b_r(b_r∈[b_k-δ，b_k+δ])替代；多点变异操作描述如下：选择抗体中的每一点b_k(b_k∈ab_i，k＝1，2，…，N_B)，重复单点变异中类似的操作；通过种群混合变异步骤，形成总的变异抗体种群Abⁿ(k)；步骤六选择记忆种群通过计算公式(1)得到各变异种群中的每个抗体ab″_i(ab″_i∈Ab″(k))的亲和力；在每个变异种群{ab″_j}_i中选择前N_Mi个抗体，这里每个变异种群中的抗体按照亲和力大小降序排序，抗体选择个数N_Mi可通过计算公式(8)得到：其中，表示向上取整函数，mean(·)表示norAffM_i的均值，norAffM_i(i＝1，2，…，N)表示归一化后抗体ab_i的亲和力，N_Ci表示抗体ab_i的克隆数量；通过选择记忆种群步骤，形成总的记忆抗体种群Ab′″(k)，种群规模为NM(NM=Σi=1NNMi);]]>步骤七种群抗体补充随机生成N_k个抗体，记作(Ab_add(k)∈B)，抗体补充的数量可通过公式(9)计算得到；其中，N_k(k＝1，2，…，genMax)表示第k次迭代所补充的抗体数量，的定义同公式(7)，abNum_k表示在第k次进化时抗体种群中包含抗体的数量；通过种群抗体补充步骤，形成下一代的抗体种群Ab(k+1)(即，Ab(k+1)＝Ab_add(k)∪Ab′″(k))；步骤八迭代计算重复步骤三～步骤七，直至达到最大进化代数；通过高光谱地物分类模块完成步骤九；步骤九分类通过步骤二～步骤八选取的最优抗体，即最优波段组合，对高光谱数据进行地物分类；通过分类结果输出模块完成步骤十；步骤十结果输出输出高光谱图像地物分类结果。