本发明专利技术提供一种高光谱图像波段选择方法、装置和电子设备。该方法包括：在三维空间下，对高光谱图像的每个波段图像进行采样以获得采样二维矩阵；计算采样二维矩阵中每个采样波段的信息熵，并将信息熵进行分组，选择每组中最大信息熵对应的采样波段组成初始聚类中心矩阵；对初始聚类中心矩阵进行偏置处理，得到目标聚类中心矩阵；基于采样二维矩阵和目标聚类中心矩阵，计算采样二维矩阵中每个采样波段对于目标聚类中心矩阵中每个聚类中心的隶属度以得到初始隶属度矩阵；根据采样二维矩阵计算获得核矩阵；基于核矩阵和初始隶属度矩阵，确定在高光谱图像中选择的目标波段。该方法计算高效且改善了局部最优解问题。高效且改善了局部最优解问题。高效且改善了局部最优解问题。
【技术实现步骤摘要】
高光谱图像波段选择方法、装置和电子设备
[0001]本专利技术涉及图像处理
，尤其涉及一种高光谱图像波段选择方法、装置和电子设备。
技术介绍
[0002]高光谱遥感技术能够获取更多通道的高光谱图像，同一像元不同波段的光谱值可以形成近似连续的光谱曲线，增强地物的判别能力。基于精细的光谱分辨率获得了更详细的地物光谱信息，数据量与多光谱图像相比也随之增加，使得数据传输、后续处理的时间增长，降低了效率。并且，由于波段之间的高度相关性和依赖性会导致巨大的计算复杂度和休斯(Hughes)现象，因此有必要在数据使用前进行降维处理。
[0003]目前，降维的方式主要有两种，一种是特征提取，一种是波段选择(又称特征选择)。波段选择是从所有波段中按一定条件选择一定数量的波段作为子集，这些子集能够代表原始数据。相对于特征提取方法，波段选择能够保留原始数据各波段数值的物理意义，满足特定的应用需求。
[0004]相关技术中，高光谱图像波段选择技术，基于稀疏的方法计算得到的结果不唯一；基于搜索和基于深度学习的方法计算时间较长，基于排序的方法不能够很好的克服波段相关性；基于聚类的方法虽然能够较好的解决上述问题，但目前大多数聚类方法是基于硬聚类，由于光谱波段本身的复杂性，所得到的结果可能不够精确，模糊C均值聚类(FCM)方法是软聚类方法的一种，但其计算过程需要迭代，整个计算过程需要消耗较长的时间才能够得到结果，且由于本身的特点得到的结果是一个局部最优解。
技术实现思路
[0005]本专利技术提供一种高光谱图像波段选择方法、装置和电子设备，用以解决现有技术中波段选择计算耗时长、效率低，会产生局部最优问题的缺陷，实现一种在波段选择质量较高的情况下，简化计算过程、提高计算效率，解决局部最优问题的波段选择方法。
[0006]本专利技术提供一种高光谱图像波段选择方法，包括：
[0007]在三维空间下，对高光谱图像的每个波段图像进行采样以获得采样二维矩阵；
[0008]计算所述采样二维矩阵中每个采样波段的信息熵并将所述信息熵进行分组，选择每组中最大信息熵对应的采样波段组成初始聚类中心矩阵；
[0009]对所述初始聚类中心矩阵进行偏置处理，得到目标聚类中心矩阵；
[0010]基于所述采样二维矩阵和所述目标聚类中心矩阵计算所述采样二维矩阵中每个采样波段对于所述目标聚类中心矩阵中每个聚类中心的隶属度以得到初始隶属度矩阵；
[0011]根据所述采样二维矩阵计算获得核矩阵；
[0012]基于所述核矩阵和所述初始隶属度矩阵，确定在所述高光谱图像中选择的目标波段。
[0013]根据本专利技术提供的一种高光谱图像波段选择方法，所述计算所述采样二维矩阵中
每个采样波段的信息熵并将所述信息熵进行分组，选择每组中最大信息熵对应的采样波段组成初始聚类中心矩阵，包括：
[0014]计算所述采样二维矩阵中每个采样波段的信息熵；
[0015]根据预设选择数量对所有所述信息熵进行分组，其中，每组中至少包括两个所述信息熵；
[0016]选择每组中最大信息熵对应的采样波段的索引，得到索引集合；
[0017]根据所述索引集合选择对应的采样波段组成初始聚类中心矩阵。
[0018]根据本专利技术提供的一种高光谱图像波段选择方法，所述根据预设选择数量对所有所述信息熵进行分组的方式包括均匀分组。
[0019]根据本专利技术提供的一种高光谱图像波段选择方法，所述基于所述核矩阵和所述初始隶属度矩阵，确定在所述高光谱图像中选择的目标波段，包括：
[0020]基于所述核矩阵对所述初始隶属度矩阵通过迭代计算进行更新，直至满足预设条件后停止更新，获得目标隶属度矩阵；
[0021]在所述目标隶属度矩阵中针对每个聚类中心选择最高隶属度对应的采样波段的索引，得到目标索引集合；
[0022]根据所述目标索引集合确定在所述高光谱图像中选择的目标波段。
[0023]根据本专利技术提供的一种高光谱图像波段选择方法，所述预设条件包括：预设迭代次数或预设阈值。
[0024]所述基于所述核矩阵对所述初始隶属度矩阵通过迭代计算进行更新，直至满足预设条件后停止更新，获得目标隶属度矩阵，包括：
[0025]基于所述核矩阵对所述初始隶属度矩阵通过迭代计算进行更新；
[0026]记录迭代计算的次数；
[0027]计算相邻两次迭代计算后得到的更新隶属度矩阵之间的绝对差值矩阵；
[0028]将所述绝对差值矩阵中的最大值和所述预设阈值进行比较；
[0029]当迭代计算次数达到所述预设迭代次数时，或当所述绝对差值矩阵中的最大值小于所述预设阈值时，停止更新；
[0030]当前所述更新隶属矩阵即为目标隶属矩阵。
[0031]根据本专利技术提供的一种高光谱图像波段选择方法，所述对高光谱图像的每个波段图像进行采样以获得采样二维矩阵，包括：
[0032]通过预设采样方法对高光谱图像的每个波段图像进行采样以获得采样二维矩阵，其中，所述预设采样方法包括行采样方法、列采样方法和交叉采样方法中的一种。
[0033]本专利技术还提供一种高光谱图像波段选择装置，包括：
[0034]采样模块，用于在三维空间下，对高光谱图像的每个波段图像进行采样以获得采样二维矩阵；
[0035]计算选择模块，用于计算所述采样二维矩阵中每个采样波段的信息熵，并将所述信息熵进行分组，选择每组中最大信息熵对应的采样波段组成初始聚类中心矩阵；
[0036]偏置处理模块，用于对所述初始聚类中心矩阵进行偏置处理，得到目标聚类中心矩阵；
[0037]第一计算模块，用于基于所述采样二维矩阵和所述目标聚类中心矩阵，计算所述
采样二维矩阵中每个采样波段对于所述目标聚类中心矩阵中每个聚类中心的隶属度以得到初始隶属度矩阵；
[0038]第二计算模块，用于根据所述采样二维矩阵计算获得核矩阵；
[0039]确定模块，用于基于所述核矩阵和所述初始隶属度矩阵，确定在所述高光谱图像中选择的目标波段。
[0040]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述高光谱图像波段选择方法。
[0041]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述高光谱图像波段选择方法。
[0042]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述高光谱图像波段选择方法。
[0043]本专利技术提供的高光谱图像波段选择方法、装置和电子设备，通过在三维空间对高光谱图像进行采样降低了计算数据量，通过核函数计算的核矩阵简化了计算过程，提高了波段选择的效率；通过对波段的信息熵进行计算，在一定程度上解决了局部最优解问题。
附图说明
[0044]为了更清楚地说明本专利技术或本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种高光谱图像波段选择方法，其特征在于，包括：在三维空间下，对高光谱图像的每个波段图像进行采样以获得采样二维矩阵；计算所述采样二维矩阵中每个采样波段的信息熵，并将所述信息熵进行分组，选择每组中最大信息熵对应的采样波段组成初始聚类中心矩阵；对所述初始聚类中心矩阵进行偏置处理，得到目标聚类中心矩阵；基于所述采样二维矩阵和所述目标聚类中心矩阵，计算所述采样二维矩阵中每个采样波段对于所述目标聚类中心矩阵中每个聚类中心的隶属度以得到初始隶属度矩阵；根据所述采样二维矩阵计算获得核矩阵；基于所述核矩阵和所述初始隶属度矩阵，确定在所述高光谱图像中选择的目标波段。2.根据权利要求1所述的高光谱图像波段选择方法，其特征在于，所述计算所述采样二维矩阵中每个采样波段的信息熵并将所述信息熵进行分组，选择每组中最大信息熵对应的采样波段组成初始聚类中心矩阵，包括：计算所述采样二维矩阵中每个采样波段的信息熵；根据预设选择数量对所有所述信息熵进行分组，其中，每组中至少包括两个所述信息熵；选择每组中最大信息熵对应的采样波段的索引，得到索引集合；根据所述索引集合选择对应的采样波段组成初始聚类中心矩阵。3.根据权利要求2所述的高光谱图像波段选择方法，其特征在于，所述根据预设选择数量对所有所述信息熵进行分组的方式包括均匀分组。4.根据权利要求1所述的高光谱图像波段选择方法，其特征在于，所述基于所述核矩阵和所述初始隶属度矩阵，确定在所述高光谱图像中选择的目标波段，包括：基于所述核矩阵对所述初始隶属度矩阵通过迭代计算进行更新，直至满足预设条件后停止更新，获得目标隶属度矩阵；在所述目标隶属度矩阵中针对每个聚类中心选择最高隶属度对应的采样波段的索引，得到目标索引集合；根据所述目标索引集合确定在所述高光谱图像中选择的目标波段。5.根据权利要求4所述的高光谱图像波段选择方法，其特征在于，所述预设条件包括：预设迭代次数或预设阈值；所述基于所述核矩阵对所述初始隶属度矩阵通过迭代计算进行更新，直至满足预设条件后停止更新，获得目标隶属度矩阵，包括：基于所述核矩阵对...
【专利技术属性】
技术研发人员：孙旭，高连如，张周，王德港，庄丽娜，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。