[发明专利]基于全局最优聚类的高光谱图像波段选择方法

摘要

本发明提供了一种基于全局最优聚类的高光谱图像波段选择方法。该方法使用聚类间差距和聚类内差距的比值作为待优化的目标函数，并用二分法和动态规划方法优化获得全局最优聚类结果，然后通过最小化波段线性重构误差的方法，最终完成具有代表性的高光谱图像波段选择。利用本发明方法进行高光谱图像波段选择，可以降低噪声波段被选择的概率，获得更高的分类精度。

主权项

1.一种基于全局最优聚类的高光谱图像波段选择方法，其特征在于包括以下步骤：步骤1：按照p_n＝(p_o‑M₂)/(M₁‑M₂)对高光谱图像进行归一化处理，其中，p_n为归一化处理后图像的像素值，p_o为原高光谱图像的像素值，M₁为原高光谱图像中像素值的最大值，M₂为原高光谱图像中像素值的最小值；步骤2：以聚类间差距和聚类内差距的比值为目标函数，使用二分法和动态规划方法优化该目标函数，得到一个全局最优的临界波段向量，以这些临界波段为边界将高光谱图像划分为C个连续波段的聚类；其中，聚类内差距为聚类间差距为x_j为高光谱图像第j个波段的波段向量，c为函数的参数，表示将高光谱图像的前s_c个波段划分为c个聚类，0＜c＜C，C为待生成的聚类个数，为小于最终所要求选择波段数的正整数，s_i表示波段序号，i＝0,…,c,满足0＝s₀＜s₁＜...＜s_c≤L，L为高光谱图像的波段数，M(a,b)表示归一化后高光谱图像从a波段到b波段区间内所有波段的平均波段向量，如M(1,L)即表示归一化后高光谱图像所有波段的平均波段向量；步骤3：对每个聚类，选择一个与类中心欧式距离最近的一个波段为该聚类的一个代表波段，所有代表波段构成已选波段集合；所述的类中心是指该聚类内所有波段的平均波段；步骤4：在每个聚类内迭代地对剩余波段进行选择，直到所选择波段数量满足要求；所述的迭代地对剩余波段进行选择的具体过程为：在第k次迭代中，k>0，对任一个尚未被选择的波段向量x_i，设其所在的波段聚类为j，B_j,k为第k次迭代中波段聚类j内已经被选择的波段向量构成的矩阵，为在第k次迭代中聚类j内所有已选波段向量加上波段向量x_i构成的矩阵，设为在第k次迭代中聚类j内所有尚未被选择的波段扣除波段x_i得到的波段集合，并设该集合内所有波段向量的平均波段为分别用矩阵B_j,k和对进行线性重构，以两个重构误差的比值作为对波段向量x_i的评价值，计算所有尚未被选择波段的评价值，并将评价值最高的波段加入已选波段集合。