[发明专利]基于量子粒子群算法的高光谱图像波段选择方法

摘要

本发明公开了一种基于量子粒子群算法的高光谱图像的波段选择方法，主要解决现有技术的搜索能力低及分类精度不高的问题。其实现步骤是1)输入高光谱灰度图像，由含标签的样本组成训练集；2)初始化粒子的位置向量、编码向量、适应度值、局部最优信息及种群的全局最优信息；3)更新粒子的位置向量和编码向量；4)由更新后的编码向量计算粒子的适应度值；5)更新粒子的局部最优信息和种群的全局最优信息；6)判断是否终止迭代，如果满足终止条件则输出全局最优信息对应的最优波段，否则返回到步骤3)。本发明提高了波段选择的有效性，在保证分类精度的前提下能自适应的选出尽可能少的最优波段，可用于高光谱图像的分类前的预处理。

主权项

一种基于量子粒子群算法的高光谱图像波段选择方法，包括如下步骤：(1)将输入图像中的每一个像素点用一个特征向量表示，图像中的每一个像素点作为一个样本点，将所有含类别标签的样本点组成训练集T；(2)假设总波段个数为Nb，将波段选择问题看作一个在二进制Nb维空间的离散组合优化问题，采用量子粒子群算法在二进制Nb维空间中搜索得到最优波段：(2a)初始化当前迭代次数为t＝1，设种群大小为M，种群中的每个粒子对应波段选择问题的一个候选解，对于种群中的每个粒子i＝1,2,....M，初始化粒子的信息：(2a1)在(‑xmax,xmax)范围内随机初始化每个粒子位置向量Xi(t)，向量的维数为Nb，其中xmax代表粒子在连续域的取值范围，取xmax＝10；(2a2)由种群内每个粒子的位置向量Xi(t)，计算得到该粒子的初始的编码向量Ci；(2a3)由每个粒子的编码向量Ci，计算得到该粒子的初始的适应度值F(i)；(2a4)初始化种群中每个粒子的局部最优位置向量pbesti＝Xi(t)，局部最优编码向量pbest_codei＝Ci，和局部最优适应度值F(pbesti)＝F(i)；(2a5)选择粒子种群中适应度值最高的粒子初始化粒子种群的全局最优位置向量gbest为第j个粒子的位置向量Xj(t)，即gbest＝Xj(t)，全局最优编码向量gbest_code为第j个粒子的编码向量Cj，即gbest_code＝Cj，全局最优适应度值F(gbest)为第j个粒子的适应度值F(j)，即F(gbest)＝F(j)；(2b)设定最大迭代次数为Tmax，取Tmax＝300，利用粒子的当前位置向量Xi(t)、局部最优位置向量pbesti和种群的全局最优位置向量gbest，根据波函数原理采用蒙特卡罗方法对种群中的每个粒子进行更新，得到每个粒子更新后的位置向量：Xi(t+1)，i＝1,2,...,M；(2c)由种群内每个粒子更新后的位置向量Xi(t+1)，更新该粒子的编码向量Ci；(2d)由更新后的每个粒子的编码向量Ci'，计算该粒子的适应度值F(i)；(2e)由每个粒子的适应度值F(i)，更新粒子的局部最优位置向量pbesti、局部最优编码向量pbest_codei、局部最优适应度值F(pbesti)、全局最优位置向量gbest、全局最优编码向量gbest_code、全局最优适应度值F(gbest)；(2f)判断当前迭代次数t是否达到设定的最大迭代次数Tmax，输出最优波段：如果当前迭代次数t等于最大迭代次数Tmax，则终止迭代并根据全局最优编码向量gbest_code确定最优的波段,该gbest_code是一个代表着最优波段的二进制串，其每一维对应一个波段，1代表波段被选中，0代表波段被舍去；输出gbest_code中取值为1的维数所对应的波段,即为波段选择输出的最优波段；如果当前迭代次数t不等于最大迭代次数Tmax，则令t＝t+1，返回到步骤(2b)。