專利名稱：一種粒子尋優(yōu)下基于支持向量機的高光譜遙感分類方法
技術領域：
本發(fā)明屬于信息技術領域，涉及到人工智能、模式識別技術，具體是一種粒子優(yōu)化下基于支持向量機的高光譜遙感分類方法。
背景技術：
利用高光譜遙感進行地物分類是遙感眾多應用領域中一個重要的組成部分。高光譜遙感能極大的獲取地物特征光譜曲線，具有光譜分辨率高，光譜連續(xù)性強，相鄰譜帶相關性高的特點。而其數據維數高、數據量大、數據不確定性和小樣本分類等特點，是高光譜遙感數據分類的關鍵和難點。在分類處理技術上，沿用了多光譜遙感處理方式，用得最廣、最為一般的方法是統計模式識別方法。利用該種方法進行影像的分類時，首先設定地物類別服從一定的分布(如正態(tài)分布)，并獲取不同類別的一定數量的訓練樣本點，進行類別參數的估計，獲取各類別的具體分布信息；然后，根據所選取的分類器(諸如最小歐式距離分類器、高斯最大似然分類器等)，將各待識樣本點進行類別判斷，賦予其合適的類別標簽。雖然統計模式識別方法在多光譜影像的分類中得到了成功的運用，但高光譜數據與多光譜數據有著很大的不同。原來許多參數估計方法都是在正態(tài)分布的假設下做出的，但對高維的高光譜數據來說，是否滿足正態(tài)分布則很難判斷。傳統模式分類方法常常建立在統計分析和大數定律基礎上，只有當訓練樣本數量趨于無窮時，傳統方法的性能才能達到最優(yōu)。在分類器的選取方面，針對多光譜影像分類的方法已經得到了充分的研究，加之該類影像所包含的地物信息有限，因而通常可以獲得較為理想的分類結果。但在高光譜影像的分類過程中，隨著光譜分辨率的提高，可識別的類別數目得到增加，這些在多光譜條件下無法辨別的地物類別一般來說有著較差的可分性，使得傳統的分類方法可能不再適應。因而，尋求性能更為優(yōu)良、適應性更強、執(zhí)行效率高的分類器，就成為是否能夠充分挖掘高光譜影像，實現精確分類的關鍵因素。

發(fā)明內容
本發(fā)明的目的就是針對現有技術的不足，提供了一種粒子群優(yōu)化下基于支持向量機的高光譜遙感分類方法。該方法彌補了傳統統計模式分類方法在高光譜分類問題上的不足。本發(fā)明方法包括以下步驟
I)高光譜數據的預處理。將光譜影像各個波段以灰度圖實現顯示，對各個波段的光譜影像進行目視檢查，確定由于大氣吸收、折射和散射等因素對光譜數據產生較大影響的異常波段，所述異常波段指無法成像顯示地物特征波段，對其做直接剔除處理。而后，對余下各個波段做歸一化處理。2)訓練樣本準備。
依據先驗知識，在每個地物類別區(qū)域內，隨機選取一定比例的訓練樣本。每個二分類問題，可組成訓練樣本集r = )，…,( 4))，氣e X = if , Ir=Pr1丨，其中5為n維輸入向量,也即n維
訓練樣本,乃為第i個樣本的樣本標簽，其表征樣本類別號，/為訓練樣本總數。3)支持向量機的分類器設計。根據結構風險最小的原則，構造一個目標函數，尋找一個滿足分類要求的分割超平面= 0 ,其中《■為超平面的法向量，■&為超平面的偏移量，并使訓練集中的點距離該分割平面盡可能地遠，即尋找一個分割平面，使其兩側的空白區(qū)域(2/W )最大。此時，規(guī)劃問題表述為下式
權利要求
1.一種粒子尋優(yōu)下基于支持向量機的高光譜遙感分類方法，其特征在于該方法包括以下步驟 1)高光譜數據的預處理； 將光譜影像各個波段以灰度圖實現顯示，對各個波段的光譜影像進行目視檢查，確定由于大氣吸收、折射和散射因素對光譜數據產生較大影響的異常波段，所述異常波段指無法成像顯示地物特征波段，對其做直接剔除處理；而后，對余下各個波段數據做歸一化處理； 2)訓練樣本準備； 依據先驗知識，在每個地物類別區(qū)域內，隨機選取一定比例的訓練樣本；每個二分類問題，可組成訓練樣本集
全文摘要
本發(fā)明公開了一種粒子尋優(yōu)下基于支持向量機的高光譜遙感分類方法?，F有方法無法滿足對數據維數高、數據量大的高光譜數據進行高效率高精度的分類，對支持向量機方法的參數沒有理想的選擇方法。本發(fā)明首先對高光譜數據進行預處理，去掉大氣吸收等因素影響下的異常波段。之后隨機選取各個類別的一定比例的數據作為訓練數據，選擇高斯徑向基為核函數形式，訓練基于支持向量機的分類器。設計變化權重的速度更新公式，并保證一定比例的粒子突變，通過粒子群優(yōu)化算法，選擇得到最優(yōu)分類器參數。訓練多個的二分類器，以投票法的方式選取得票最多的類成為數據點的最終預測的類別。本發(fā)明增強了分類器參數尋優(yōu)收斂的能力，提高了高光譜遙感圖像的分類性能。
文檔編號G06K9/62GK102750551SQ20121020207
公開日2012年10月24日 申請日期2012年6月18日 優(yōu)先權日2012年6月18日
發(fā)明者劉俊, 左燕, 彭冬亮, 谷雨, 郭云飛, 郭寶峰, 陳華杰, 高曉健 申請人:杭州電子科技大學