[发明专利]基于各类重要波段提取的高光谱图像波段选择方法

说明书

技术领域

本发明属于高光谱图像处理领域，更具体地说是基于各类重要波段提取与分支定界法的高光谱图像波段选择方法。 

背景技术

高光谱遥感技术（hyperspectral remote sensing）的出现是遥感领域的一场革命，为人类提供了一种全新的观察外部世界的技术手段。随着航空航天技术和遥感科学的迅速发展，可获取的高光谱遥感数据正以惊人的速度增长，如何对之进行有效处理并充分利用其中蕴涵的丰富信息，是当前遥感与模式识别领域研究的热点课题之一。高光谱图像往往由上百个波段组成，波段数目多、波段间相关性高和冗余度大，给进一步分析处理带来了巨大的计算量，从而使问题变得极为复杂。 

处理高光谱遥感数据最重要的预处理是对众多波段进行降维，常用方式有特征提取与波段选择。特征提取通过线性或非线性变换将高维特征空间映射到低维空间，但提取的特征失去了原有的物理意义且存在高维特征空间的“小样本问题”；而波段选择通过一定的判决准则对波段进行筛选，从原始波段中选取一部分对高光谱数据分类或识别有用的波段作为输入信息，从而减少冗余波段提高分类的计算效率及精度。 

与特征提取相比，波段选择方法更为简单并且选择后的波段仍然保留了原来的物理意义，因此成为了现今高光谱遥感数据降维处理中的研究热点。 

其实，高光谱遥感图像的波段选择是一个非常复杂的组合优化问题。对于该问题，较为有效的方法是通过搜索算法结合评估函数的方式来搜寻最优的波段子集。但由于波段众多，直接对原始波段进行搜索，搜索空间巨大（对于200个波段的高光谱数据，搜索空间是2²⁰⁰），在目前的硬件和软件条件下还不能取得理想的效果。 

现有技术中，如在申请号为2010101529156,发明名称为“基于条件互信息的遥感高光谱图像波段选择方法”的专利申请中记载了将波段条件互信息分组信息用于遗传算法搜索中，取得了较好的波段选择效果，提高了搜索效率，但其搜索过程耗时仍然较长；在申请号为201010195127.5，发明名称为“基于时间序列重要点分析的高光谱遥感图像波段选择方法”中，提出了基于时间序列重要点分析提取的波段选择方法，但由于是基于聚类分析获得典型光谱曲线，信息损失较多，最终的分类精度不及利用原始所有波段的分类精度。 

发明内容

本发明提供了一种选择波段数量少且精度高、搜索速度快的基于各类重要波段提取的高光谱图像波段选择方法。 

为解决上述技术问题，本发明的发明思路：将各类样本的重要波段集汇总为初始波段集，在该初始波段集的基础上利用分支定界法来选取最终波段组合，在利用分支定界法进行搜索时，在每次计算非单支节点的可分判据准则函数之前进行分组约束条件的判断，当该非单支节点的条件互信息分组数小于某个阈值则认为该节点不能全面描述高光谱图像数据的分类鉴别信息，因此不可能作为最优路径上的一个节点，可以不计算它的可分判据准则函数，从而又可以减少一定数目的可分判据准则函数计算。 

本发明基于各类重要波段提取的高光谱图像波段选择方法，包括以下步骤： 

（1）将各类样本中的每个训练样本的高光谱数据作为一个时间序列； 

（2）利用小波变换对每一个时间序列进行平滑去噪处理； 

（3）通过提取步骤（2）平滑后的每个时间序列的重要点来确定各类样本的重要波段集，其中，每个重要点对应一个重要波段； 

（4）汇总各类样本的重要波段集形成初始波段集； 

（5）利用分支定界法在初始波段集的基础上选择最终波段组合，具体为： 

5-1、利用条件互信息对初始波段集中的波段进行分组，记录其分组数目为NG； 

5-2、利用分支定界法进行搜索时，将搜索树中的每个节点看作一个波段组合，根节点对应的波段组合为初始波段集，同父的各个子节点对应的波段组合为从父节点对应的波段组合中减去一个不同的波段，从搜索树的根节点沿最右边自上而下搜索，当遇到非单支节点时，采用步骤（5-1）中的获得的分组信息确定该非单支节点对应波段组合的分组数目count_k，如果count_k>count_th则计算该非单支节点的可分判据准则函数J，否则J=0,其中count_th为波段分组数的阈值，其取值范围为步骤（5-1）中波段分组数NG的0.4～0.7倍。