一种基于蜂群智能的遥感影像聚类方法.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CN106650790A(43)申请公布日2017.05.10(21)申请号201611025652.6(22)申请日2016.11.21(71)申请人中国科学院东北地理与农业生态研究所地址150081黑龙江省哈尔滨市南岗区哈平路138号(72)发明人李华朋张淑清丁小辉刘照魏延生(74)专利代理机构哈尔滨市松花江专利商标事务所23109代理人杨立超(51)Int.Cl.G06K9/62(2006.01)G06N3/00(2006.01)G06N3/12(2006.01)权利要求书2页说明书5页附图2页(54)发明名称一种基于蜂群智能的遥感影像聚类方法(57)摘要本发明涉及一种基于蜂群智能的遥感影像聚类方法，属于遥感影像聚类分析领域，为了解决现有用于遥感影像的分类算法开发和开拓能力弱，在挖掘最优聚类中心从而实现遥感影像分类任务中，无法得到全局最优聚类中心，无法取得满意遥感分类结果的缺点，而提出一种基于蜂群智能的遥感影像聚类方法，包括：确定待分类遥感影像分类数目，并将遥感影像的每一个像元随机分配给一种分类；对遥感影像进行蜂群智能挖掘，当聚类指标达到预定标准时结束挖掘；根据蜂群智能挖掘的结果对遥感影像进行分类；若一个食物源在经过预定次数后始终不能提高花粉丰度的值，则使用列维飞行在解空间内全局搜索新的食物源。本发明适用于遥感影像分类。CN106650790ACN106650790A权利要求书1/2页1.一种基于蜂群智能的遥感影像聚类方法，其特征在于，包括如下步骤：步骤1)确定待分类遥感影像分类数目，并将遥感影像的每一个像元随机分配给一种分类；每个像元具有预定数量的特征；步骤2)根据像元的特征对像元进行蜂群智能挖掘，具体为：步骤2.1)初始化控制参数；所述控制参数包括蜜蜂数量、最大循环次数、限制搜索次数；蜜蜂包括雇佣蜂、观察蜂；所述蜜蜂数量为p，雇佣蜂数量为p/2，所述观察蜂数量为p/2；步骤2.2)建立食物源；每个食物源对应于一个雇佣蜂；所述食物源由每一个类别的聚类中心连接形成，长度为n×m，其中n为遥感影像中每一个像元的波段数目，m为待分类数目；所述食物源的前n位表示第一个类别的聚类中心，以此类推；步骤2.3)计算食物源的适宜度；所述适宜度函数f的表达式为f＝1/(M+1)，M为聚类指标；步骤2.4)搜索新食物源；即在根据步骤2.3)计算完现有食物源的适宜度后，在已有食物源周围随机搜索新的食物源位置；步骤2.5)观察蜂根据随机概率P(Xi)对一个食物源进行跟随，随机概率P(Xi)的表达式为：其中，Xi为第i个蜜蜂食物源位置，f(Xi)为食物源Xi的花粉丰度，Ne为雇佣蜂数量；步骤2.6)若一个食物源在经过限制搜索次数后始终不能提高f(Xi)的值，则雇佣蜂转变为侦察蜂，使用列维飞行在解空间内全局搜索新的食物源；若能够提高f(Xi)的值，则跳转到步骤2.4)；步骤2.7)当所有蜜蜂完成搜索，将当前的适宜度最高的最食物源与上一个循环的最优食物源进行比较，选取数值更高的作为当前的全局最优食物源；当循环达到最大循环次数时，停止循环并输出最优聚类中心。2.根据权利要求1所述的方法，其特征在于，步骤2.3)中，聚类指标通过如下公式计算：其中，xj为i(i＝1,2,…,k)类别中的任意一个遥感影像的像元，Ci为第i类聚类，zi为类别i的聚类中心,j为类别i的像元个数,k∈{1,2,…,p/2}且k≠i。3.根据权利要求1所述的方法，其特征在于，所述步骤2.2)中，第i个食物源的位置由如下公式确定：其中，表示第i个雇佣蜂在第j个特征的位置，和分别表示第j个特征的最小值和最大值，rand(0,1)表示在0-1之间变化的随机数。4.根据权利要求3所述的方法，其特征在于，所述步骤2.4)中新的食物源表达式为：2CN106650790A权利要求书2/2页j其中，Vi是第i个雇佣蜂在第j个特征(j＝1,2,…,n)的新食物源位置；和分别表示第i、k个蜜蜂在第j个特征的原食物源位置，其中i,k∈{1,2,…,p/2}且k≠i；是一个在-1和1之间变化的随机数。5.根据权利要求4所述的方法，其特征在于，所述步骤2.6)中新的位置通过如下公式计算：其中，表示被放弃的食物源i的新位置；Xi为原位置；s为列维飞行所产生步长，且s为不符合高斯分布律的随机值。6.根据权利要求5所述的方法，其特征在于，列维飞行所产生步长s通过如下公式进行计算：μ,ν和λ分别从正态分布中计算得到，即：λ～N(0,1),其中，其中，Γ为gamma函数，β为在1到2之间变化的常量。3CN106650790A说明书1/5页一种基于蜂群智能的遥感影像聚类方法技术领域[0001]本发明涉及一种基于蜂群智能的遥感影像聚类方法，属于遥