一种基于人工蜂群算法的遥感影像分类方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108596118A(43)申请公布日2018.09.28(21)申请号201810396733.X(22)申请日2018.04.28(71)申请人北京师范大学地址100000北京市海淀区新街口外大街19号(72)发明人李楠朱秀芳潘耀忠詹培(74)专利代理机构北京高沃律师事务所11569代理人王戈(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/00(2006.01)权利要求书3页说明书10页附图5页(54)发明名称一种基于人工蜂群算法的遥感影像分类方法及系统(57)摘要本发明公开一种基于人工蜂群算法的遥感影像分类方法及系统，该方法包括：获取高光谱遥感影像数据；随机生成多个参数组合；根据适应度计算公式计算各所述参数组合的适应度，所述适应度是蜂群算法在解空间中寻找最优参数组合的判断条件；根据所述最优参数组合中的波段掩码确定所述高光谱遥感影像数据中的最优波段，即波段掩码为1时对应的波段；根据所述最优参数组合中的所述惩罚参数和所述核参数确定优化参数后SVM分类器；利用所述优化参数后SVM分类器对所述最优波段的高光谱遥感影像进行分类，得到分类后遥感影像数据。采用此方法或系统可以通过保留数据有效波段以及优化SVM关键参数的方式获取高精度的分类结果。CN108596118ACN108596118A权利要求书1/3页1.一种基于人工蜂群算法的遥感影像分类方法，其特征在于，包括以下步骤：获取高光谱遥感影像数据；随机生成多个参数组合；其中参数组合的形式为SVM分类器中需要优化的惩罚参数和核参数以及高光谱影像的各个波段的波段掩码Bi，i＝1,....,n，n为总波段数；当Bi＝1时，表示第i个波段被选择，当Bi＝0时，表示第i个波段不被选择；根据适应度计算公式计算各所述参数组合的适应度，所述适应度是蜂群算法在解空间中寻找最优参数组合的判断条件；根据所述最优参数组合中的波段掩码确定所述高光谱遥感影像数据中的最优波段，即波段掩码为1时对应的波段；根据所述最优参数组合中的所述惩罚参数和所述核参数确定优化参数后SVM分类器；利用所述优化参数后SVM分类器对所述最优波段的高光谱遥感影像进行分类，得到分类后遥感影像数据。2.根据权利要求1所述的分类方法，其特征在于，所述计算各所述参数组合的适应度，所述适应度是蜂群算法在解空间中寻找最优参数组合的判断条件具体包括：初始化采蜜蜂种群，全局随机搜索蜜源，随机生成Ne个可行解；所述采蜜蜂种群由多个采蜜蜂组成；计算所述采蜜蜂种群中所有的采蜜蜂对应的解的适应度大小；初始化结束后开始迭代搜索，采蜜蜂在解空间内进行邻域搜索生成新解并计算新解的适应度大小，对每只采蜜蜂在邻域搜索生成的新解和原解进行贪婪选择，保留适应度更大的解；跟随蜂以设定的概率选择将要跟随的采蜜蜂，所述跟随蜂对应的解的适应度大小即为所述采蜜蜂对应的解适应度大小，设为跟随蜂原解；跟随蜂在解空间内进行蜜源搜索生成跟随蜂新解，计算所述跟随蜂新解的适应度大小，跟随蜂新解和跟随蜂原解中保留适应度更大的解；判断所有蜜蜂对应的解未更新的次数是否超过第一设定值Limit；若存在蜜蜂对应的解未更新的次数超过所述第一设定值Limit，则放弃这些蜜蜂对应的解，全局随机搜索蜜源，随机生成新的可行解；此时完成一次迭代搜索，记录的适应度值中最大值和对应的参数组合作为迭代的最优适应度和对应的最优参数组合；判断所述蜂群的迭代搜索次数是否超过第二设定值maxCycle；若所述采蜂群的迭代搜索次数未超过设定的所述第二设定值maxCycle，则跳转至采蜜蜂在解空间内进行邻域搜索生成新解并计算新解的适应度大小，对每只采蜜蜂在邻域搜索生成的新解和原解进行贪婪选择，保留适应度更大的解步骤；否则结束迭代搜索。3.根据权利要求2所述的分类方法，其特征在于，包括：所述设定的概率的计算公式为：其中，P(Xi)为第i只采蜜蜂被选择的概率，fit(Xi)为第i只采蜜蜂的适应度大小。4.根据权利要求1所述的分类方法，其特征在于，所述适应度计算公式具体为：2CN108596118A权利要求书2/3页其中，fitness为所述参数组合的适应度，ω为权重，取值范围为0.7到0.9，Acc为训练样本的精度，所述训练样本为任意选取的所述高光谱遥感影像上的随机点，nb为总波段数，Bi为波段i的掩码。5.根据权利要求1所述的分类方法，其特征在于，还包括：将所述分类后遥感影像数据转换为影像格式，得到影像格式遥感影像；根据测试样本对所述影像格式遥感影像进行分类精度的验证；所述测试样本为随机获取的多个所述双精度型遥感影像像元数据；或者，根据遥感影像对应的地表真实覆盖数据对所述影像格式遥感影像进行分类精度的验证