[发明专利]一种基于改进粒子群的非监督遥感影像分类方法

摘要

一种基于改进粒子群的非监督遥感影像分类方法，涉及一种遥感影像分类方法。本发明为了解决目前应用粒子群智能算法对遥感图像进行聚类存在的容易陷入局部最优而无法取得最优遥感分类结果的问题和分类结果不稳定的问题。本发明首先参照粒子群算法设置控制参数，进行粒子群表达及初始化；计算种群适宜度后，评估粒子适宜度后并对每一个粒子速度进行更新，再对粒子位置进行更新；然后重新计算每一个粒子的适宜度，并计算整个种群最优适宜度，比较并选取新局部最优适宜度，同时记录粒子位置；利用列维飞行更新每一次循环中适宜度最小粒子位置；当到达最大循环次数停止循环并输出全局最优解从而完成遥感影像分类任务。本发明适用于遥感影像的分类。

主权项

一种基于改进粒子群的非监督遥感影像分类方法，其特征在于，包括如下步骤：步骤1、一幅遥感影像由象元组成，其波段数和待分类的类别数分别为d和k；并设定聚类指标M，聚类指标M为遥感影像中每一个象元到它所属聚类中心欧式距离之和；参照粒子群算法，设置五个控制参数，包括释放粒子数量、最大循环次数Max_Iter、动态惯性因子w及两个加速因子c1和c2；步骤2、粒子群表达及初始化：任意一类聚类中心zi用一组实数表示，实数数目等于波段数d；通过将k个类别的聚类中心连接，来表示一个粒子，因而一个粒子长度为d×k；一个粒子中前d个位置表示第一类别聚类中心，以此类推，每d个位置表示一类聚类中心；每一个粒子随机赋予一个位置，生成粒子初始位置；步骤3、计算种群适宜度：聚类指标M值的大小与聚类质量成反比；定义适宜度函数f如下：f＝1/(M+1)   (1)在计算每一个粒子的适宜度后，记录下全局和局部最优粒子位置；步骤4、粒子最优位置搜索：评估粒子适宜度后，利用公式(2)对每一个粒子速度进行更新：Vi(t+1)=wVi(t)+c1r1(Xipbest-Xi(t))+c2r2(Xgbest-Xi(t))---(2)]]>其中，Vi(t+1)和Vi(t)分别为第i个粒子在t+1时刻和t时刻的速度；和Xi(t)分别表示第i个粒子历史最优位置和在第t时刻的位置，Xgbest为整个种群的历史最优位置；r1、r2分别为两个在0‑1之间变化的随机数；粒子速度值更新后再对粒子位置进行更新；步骤5、最优粒子位置更新：当粒子完成位置更新后，利用公式(1)重新计算每一个粒子的适宜度；计算整个种群最优适宜度，并与之前记录的全局最优位置的适宜度进行比较，更新并记录新的最优位置及其适宜度；针对每一个粒子，对比当前粒子适宜度与记录的该粒子历史最优适宜度，将适宜度值更高的记录为该粒子的新局部最优适宜度，并同时记录粒子位置；步骤6、根据列维飞行搜索新位置：识别出每一次循环中适宜度最小粒子位置，并利用列维飞行对该位置进行更新，以达到全局搜索目的；适宜度最小粒子的新位置计算公式如下：Xinew=Xi+s---(3)]]>其中，表示第i个粒子的新位置，原位置为Xi；位置更新后，该粒子的适宜度也随即更新；s表示步长；步骤7、停止循环完成遥感影像分类：若循环未达到最大循环次数Max_Iter，回到步骤4继续进行粒子位置搜索；当到达最大循环次数Max_Iter，停止循环并输出全局最优解，全局最优解就是最优聚类中心，此时视为聚类指标M值达到最小，从而完成遥感影像分类任务。