[发明专利]基于智能蚁群算法的遥感图像水系网半自动的提取方法

权利要求书

1.基于智能蚁群算法的遥感图像水系网半自动的提取方法，其特征在于它包括如下步骤：

A、利用多光谱遥感数据和归一化植被指数NDVI数据初次提取水系网，得到水体掩膜图 的初步结果；

B、分别建立5*1矩阵、101*1南北矩阵、1*101东西矩阵，判定大型湖泊并同时去除大 型湖泊；

C、大型湖泊去除以后，重新对水系网进行全局搜索，自动运行智能蚁群算法，优化小 断流，其具体步骤为：

C1、首先，输入去除大型湖泊的水体掩膜图以及相对应的归一化植被指数NDVI图像， 同时建立一个3*3搜索矩阵，并搜索独立在水系网外的各个孤立点，并标记它们，若3*3搜 索矩阵中心像素为1，且周围8个点为0，标定其中心点的位置，并赋值为2；

C2、接着，以所述孤立点为智能蚁群算法的起点，并将其作为3*3搜索矩阵的中心点， 利用智能蚁群算法的启发性寻找下一个最有可能为水系网的像素点，并将其标定成1，并将 3*3搜索矩阵中至少存在3个标定为1的值作为终止条件，其具体步骤如下：

C21、以标定为2的像素点为3*3搜索矩阵中心，建立一个3*3搜索矩阵，同时建立一个 与之相对应的信息素矩阵并将其初始化；另外，利用中分辨率成像光谱仪Moderate-resolution  Imaging Spectroradiometer地面反射率产品MODIS09的第一波段BAND1和第二波段BAND2数据， 计算得出与之对应的归一化植被指数NDVI图像，并输入算法；

C22、启动智能蚁群算法，以3*3搜索矩阵为单位，每个起点放置10只蚂蚁，按下面公 式完成计算：左式为一个像素点的蚂蚁转移概率的计算公式，

其中，α，β为随机参数，作用为调节τ_i，η_i对蚂蚁的影响度；

τ_i为第i个像素点的归一化植被指数NDVI的倒数；

η_i为第i个像素点上蚂蚁的信息素浓度，

信息素具有正负反馈现象，可有效避免蚂蚁在寻找水体像素点的过程中陷入局部最优化， 信息素更新公式如下：

P_i＝P_i-1+Δτ-0.1*T

其中，P_i，P_i-1为蚂蚁爬过前后的蚂蚁转移概率，P_i为当前状态，P_i-1为前一状态；

Δτ为蚂蚁爬过后信息素的增值，且由前一状态的信息素决定；

T为前一状态转换成当前状态所消耗的时间；

C23、完成上一步骤C22后，计算3*3搜索矩阵中转移概率最大的值，并得到它在3*3搜 索矩阵中具体位置，蚂蚁总是向着信息素最大的地方爬行，它最可能为遥感图像遗漏的水体 像素点，并标定它的值为1，若发现最大值为起点位置，则随机赋值给其他8个点中的任意 一个点为1；再者，当10只蚂蚁都爬行完毕，更新信息素矩阵，同时将新发现的水体像素点 作为新的起点，继续寻找，直到满足终止条件为止；

C24、进一步在算法外围设置时间步阈值，其中规定每个时间步内蚂蚁只能移动一个像素 长度，从而可控制蚂蚁的转移范围；

C3、完成步骤C2后，输出步骤C2的最终优化完小断流的水系网图像；

D、然后，建立一个3*3搜索矩阵，采用人工交互方式，并利用智能蚁群算法优化大断流， 续接大断流，其具体步骤如下：

D1、首先，输入去除大型湖泊的水体掩膜图以及相对应的归一化植被指数NDVI图像， 同时建立一个3*3搜索矩阵，通过人工判定，设置小范围内智能蚁群算法的起点和终点，其 中起点和终点可并称为“种子点”或“标志点”；

D2、随后，启动智能蚁群算法，在小范围内进行大断流的续接，输入归一化植被指数 NDVI遥感图像，且同时初始化智能蚁群算法中的信息素矩阵，同样以3*3搜索矩阵为一单位， 其中在每个起点上放置10只蚂蚁，按步骤C22中的蚂蚁转移概率公式和信息素更新公式完成 计算；

D3、为防止智能蚁群算法陷入局部最优解，设置一个信息素阈值K，在智能蚁群算法运 行中，如果在信息素矩阵中有元素大于K，则该像素的信息素归零，从而避免陷入局部最优 解，在完成步骤D2后，计算3*3搜索矩阵中转移概率最大的值，并得到它在3*3搜索矩阵中 具体位置，标定它的值为1，若发现最大值为起点位置，则随机赋值给其他8个点中的任意 一个点为1，进而更新信息素矩阵，同时将新发现的水体点作为新的起点，继续寻找，并设 置一个终点判定值，即若此蚂蚁在规定的时间步阈值内无法到达终点，则将此只蚂蚁爬过的 地方重新归零，并在起点重新启动一只新的蚂蚁，转步骤D2；若蚂蚁在规定的时间步阈值内 到达终点，则保留此蚂蚁爬过地方的所有值，同时终止起点再次发送蚂蚁，记录蚂蚁爬过地 方的所有值，从而完成水系网大断流的续接；

D4、输出步骤D3的最终优化完大断流的水系网图像；

E、将上述输出优化大断流的水系网图像，利用遥感图像处理系统软件ENVI中的矢量 转换算法，完成水系网矢量图的绘制。