基于条件互信息的遥感高光谱图像波段选择方法技术

本发明专利技术提出了一种基于条件互信息的遥感高光谱图像波段选择方法，包括下述步骤：Ａ、打开高光谱遥感图像，人机交互标注待分类的样本；Ｂ、分组：根据步骤Ａ得到的待分类样本，利用给定类别条件下各相邻波段之间的条件互信息进行波段分组；Ｃ、搜索：利用支持向量机和遗传算法相结合的搜索算法对步骤Ｂ得到的分组波段进行搜索计算，找到最优的波段组合；并在此基础上使用自适应分支定界法进行剪枝，通过条件互信息波段分组和自适应分支定界法剪枝的结合使用，避免了因为噪音扰动而出现冗余和噪音分组，减少了波段分组的数量，提高了波段组合的分类准确率。

【技术实现步骤摘要】

本专利技术涉及遥感高光谱图像处理
，尤其是一种遥感高光谱图像波段选择 方法。
技术介绍
随着遥感技术和成像光谱仪的发展，高光谱图像的应用需求越来越广泛。由于高 光谱数据可以获得几乎连续的地物波谱，使其具有其他遥感数据不可比拟的识别地面特性 的能力，但也正因为如此，高光谱图像往往由连续的上百个波段组成，给高光谱图像分类带 来了巨大的计算量和冗余，从而使该问题变得极为复杂，因此对于高光谱图像的众多波段 进行降维就显得非常迫切和重要。常用的降维方法一般可分为特征选择和特征提取两大类，由于高光谱图像的每 一个波段都对应着一幅相应波段的图像，通过线性或非线性变换，将高维特征空间映射到 低维空间的特征提取的方法会使提取出来的特征失去原有的物理意义，所以特征提取的 方法并不适用于高光谱图像的降维。而高光谱图像由于其连续且相邻两个波段之间相隔 一般仅有lOnm左右，相邻波段空间、谱间相关性很高的特点，使得波段之间存在很大的冗 余性，使用特征选择的方法可以大大减少冗余波段，从而可以大大提高分类的效率和准确 率，因此目前大量采用的是特征选择的方法，即利用高光谱图像各波段之间存在的高相关 性和高冗余度的特点，通过某种方法选择出最有用的波段或最优波段组合。常见的高光谱 图像波段选择方法有启发式搜索算法(S.B. Serpico and L. Bruzzone “ A new search algorithm for feature selection in hyperspectralremote sensing images“ ， IEEE Trans. Geosci. Remote Sens.，vol. 39，pp. 13602001.刘春红，赵春晖，张凌雁，一种新的 高光谱遥感图像降维方法，中国图像图形学报，2005，10(2) :218-224)，基于支持向量 机的方法(R. Archibald and G. Fann " Feature selection and classification of hyperspectral images withsupport vector machines " , IEEE Trans. Geosci. Remote Sens. Lett.，vol. 4.，pp. 6742007.)等。由于高光谱图像的波段之间的相关性较高，并且波 段数目较大(一般200个波段左右)，因此上述方法运算复杂度高，选择得到的波段数目也 较多，并且分类正确率都不是很理想。在一篇文献(卓莉，郑璟，王芳等，基于GA-SVM封装算法的高光谱数据特征选择 ，地理研究，2008，27 (3) 493-501)中披露了一种波段选择方法，具体步骤为对高光谱 图像数据进行预处理；利用支持向量机和遗传算法相结合的搜索算法对图像所有波段进行 搜索，找到最优波段组合。该方法相比以上的算法，分类准确率相对较高，但该方法存在搜 索空间太大的不足，对于200个波段的高光谱图象，完成一次搜索需要20多个小时，而且分 类效果仍不理想。刘春红等人(刘春红，赵春晖，张凌雁，一种新的高光谱遥感图像降维方法，中 国图像图形学报，2005，10 (2) 218-224)提出了自适应波段选择方法(ABS, AdaptiveBand Selection)。该方法充分考虑了高光谱图像的空间相关性和谱间相关性，并通过计算各个4波段的相关系数来选择信息量大并且与其他波段相关性小的波段。但此方法选择出的波段 分布不均勻，有时会集中在某一区域内，甚至有些波段范围都没有波段被选择，这样导致大 量有用分类信息损失，不能充分利用高光谱图像丰富的光谱信息。在一篇名为《基于支持向量机和子空间划分的波段选择方法》(王立国，谷延锋，张 晔，基于支持向量机和子空间划分的波段选择方法，系统工程与电子技术，2005，27 (6) 974-977)的文献中披露了一种高光谱图像波段选择的方法，该方法通过对支持向量机判决 函数进行敏感度分析，同时对数据源进行子空间划分，然后结合敏感度分析结果和子空间 划分结果来实现有效的波段选择。该方法只是对划分子空间后的波段进行了最优波段挑选，但模式识别研究 领域已经形成共识每组最优的波段形成的组合并不一定是最优的组合，有时更加 重要的是波段之间的互补性。参见文献(F.Long and C. Ding, Feature Selection Based on MutualInformation :Criteria of Max-Dependency, Max-Relevance, and Min-Redundancy. IEEETrans, Pattern Analysis and Machine Intelligence :2005, 27(8) : 1226-1238)
技术实现思路
本专利技术的目的在于提供一种能够克服上述现有技术存在的不足，具有更高准确 率，同时选择波段数目更少的遥感高光谱图像波段选择方法。本专利技术的思路是在波段选择的分组中引入条件互信息，即以各波段的条件互信 息作为衡量依据，将带有相近信息的相邻波段分为一组，而包含大量不同信息的波段分开； 在这样分组的基础上，我们可以从各个分组中选取有代表性的波段，这样就可以在尽可能 少损失波段所携带有效信息的同时，最大限度的滤除冗余信息，进而提高波段选择的准确 性，减少计算量。为便于理解本专利技术涉及的技术和方法，首先介绍一些基本理论。信息熵是对不确定的随机变量的一种衡量手段，用于表示信息的不确定性，是特 征提取中常用的评估标准，它的定义如下假设一个离散随机变量X所对应的可能值的集 合表示为①，每种可能值的概率密度函数表示为P (X)，X e①，则X的信息熵定义为H(X) = -S P(X) log 2P(X)( 1)假定两个离散随机变量X、Y所对应的可能值的集合分别表示为①和▽，二者的 联合概率密度函数p (X，y)，X G①，y G W，则X、Y的联合信息熵定义为H(X, Y) = -EZ ^ lo§ 2P(X'力(2 )xeO ye^在Y给定的条件下的X条件信息熵定义为H(X|Y) = -U>(x，力log2P(x| 力 (3)互信息可以用来衡量两个离散随机变量之间的相关性，两个离散随机变量X和Y 之间的互信息定义为I(X, Y) = H(X)+H(Y)-H(X, Y)= H(X)-H(X|Y)(4)假定用两个离散随机变量X、Y分别来表示两个特征，用一个离散随机变量C来表 示分类的类别，则在Y给定的条件下的C、X条件互信息定义为I(C, X|Y) = H(X|Y)-H(X|C, Y)= I(C，Y)-I(C，X，Y)(5)= I(C，X)-由于互信息仅仅可以表示特征之间的关系，而条件互信息不但可以衡量特征之间 的相关性，还可以很好的表达特征与类别之间的关系，这一点可以较好的滤除波段中所携 带的噪音信息。本专利技术的方法是通过如下步骤实现的A、打开高光谱遥感图像，人机交互标注待分类的样本；B、分组根据步骤A得到的待分类样本，将图像所有波段分为若干组；C、搜索利用支持向量机和遗传算法相结合的搜索算法对步骤B得到的分组波段 进行搜索计算，找到最优的波段组合；其特征在于所述步骤B是使本文档来自技高网...

【技术保护点】
一种基于条件互信息的遥感高光谱图像波段选择方法，包括下述步骤：Ａ、打开高光谱遥感图像，人机交互标注待分类的样本；Ｂ、分组：根据步骤Ａ得到的待分类样本，将图像所有波段分为若干组；Ｃ、搜索：利用支持向量机和遗传算法相结合的搜索算法对步骤Ｂ得到的分组波段进行搜索计算，找到最优的波段组合；其特征在于：所述步骤Ｂ是使用条件互信息进行波段分组，具体包括下述步骤：Ｂ１、利用下述方法计算给定类别条件下各相邻波段之间的条件互信息：相邻两个波段Ｂ↓［ｉ］和Ｂ↓［ｉ＋１］之间的条件互信息计算方法如下：Ｉ（Ｃ；Ｂ↓［ｉ］｜Ｂ↓［ｉ＋１］）＝Ｉ（Ｃ；Ｂ↓［ｉ］）－Ｉ（Ｃ；Ｂ↓［ｉ＋１］）／Ｈ（Ｂ↓［ｉ＋１］）Ｉ（Ｂ↓［ｉ］；Ｂ↓［ｉ＋１］）其中，ｉ是波段序号Ｉ（Ｃ；Ｂ↓［ｉ］）＝Ｈ（Ｃ）＋Ｈ（Ｂ↓［ｉ］）－Ｈ（Ｃ；Ｂ↓［ｉ］）是波段Ｂ↓［ｉ］和类别之间的互信息；Ｉ（Ｃ；Ｂ↓［ｉ＋１］）＝Ｈ（Ｃ）＋Ｈ（Ｂ↓［ｉ＋１］）－Ｈ（Ｃ；Ｂ↓［ｉ＋１］）是波段Ｂ↓［ｉ＋１］和类别之间的互信息；Ｉ（Ｂ↓［ｉ］；Ｂ↓［ｉ＋１］）＝Ｈ（Ｂ↓［ｉ］）＋Ｈ（Ｂ↓［ｉ＋１］）－Ｈ（Ｂ↓［ｉ］；Ｂ↓［ｉ＋１］）是波段Ｂ↓［ｉ］和波段Ｂ↓［ｉ＋１］之间的互信息；Ｈ（Ｃ）＝－＊Ｐ（Ｃ＝ｃ）ｌｏｇ↓［２］Ｐ（Ｃ＝ｃ）是样本类别的熵，Ｎ↓［ｃ］是用户标注的待分类样本的类别总数；Ｈ（Ｂ↓［ｉ］）＝－＊Ｐ（Ｘ＝ｊ）ｌｏｇ↓［２］Ｐ（Ｘ＝ｊ）是划分样本后波段Ｂ↓［ｉ］的熵，其中Ｘ表示波段Ｂ↓［ｉ］中图象灰度的随机变量，ｊ表示图像中灰度的值；Ｈ（Ｂ↓［ｉ＋１］）＝－＊Ｐ（Ｙ＝ｊ）ｌｏｇ↓［２］Ｐ（Ｙ＝ｊ）是划分样本后波段Ｂ↓［ｉ＋１］的熵，其中Ｙ表示波段Ｂ↓［ｉ＋１］中图象灰度的随机变量，ｊ表示图像中灰度的值；Ｂ２、以波段序号为横坐标，条件互信息为纵坐标绘制条件互信息－波段曲线；Ｂ３、以上述条件互信息－波段曲线中的各极大值点为边界，将相邻两极大值点之间的连续波段作为一组。...

【技术特征摘要】

【专利技术属性】
技术研发人员：李士进，吴昊，余宇峰，朱跃龙，冯钧，万定生，郑伏广，王继民，
申请(专利权)人：河海大学，
类型：发明
国别省市：84[中国|南京]