一种基于高光谱遥感图像的分类方法及装置.pdf

(19)中华人民共和国国家知识产权局*CN103295030A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103295030103295030A(43)申请公布日2013.09.11(21)申请号201310248492.1(22)申请日2013.06.21(71)申请人中国科学院对地观测与数字地球科学中心地址100094北京市海淀区邓庄南路9号(72)发明人张兵孙旭高连如吴远峰李利伟庄丽娜(74)专利代理机构北京集佳知识产权代理有限公司11227代理人王宝筠(51)Int.Cl.G06K9/62(2006.01)G06N3/00(2006.01)权权利要求书3页利要求书3页说明书11页说明书11页附图4页附图4页(54)发明名称一种基于高光谱遥感图像的分类方法及装置(57)摘要本发明实施例提供了一种高光谱遥感图像的分类方法及装置，将高光谱遥感图像中像元的空间邻域信息作为约束条件，依据计算得到的聚类中心集合，通过人工蜂群算法确定高光谱遥感图像的最优聚类中心，并使用最优聚类中心对高光谱遥感图像中的目标进行分类，因此，在对图像中的目标分类的过程中，不仅以像元的光谱为依据，而且以像元的空间邻域信息为依据，按照地理学中空间上越临近，则归属于同一类别的可能性越高的原理，考虑像元的空间邻域信息后，光谱差异大但在空间上临近的像元被归为一类的可能性大大增加，因此，能够避免分类过度的问题。CN103295030ACN103295ACN103295030A权利要求书1/3页1.一种高光谱遥感图像的分类方法，其特征在于，包括：计算高光谱遥感图像的预设数量的聚类中心集合；将所述高光谱遥感图像中像元的空间邻域信息作为约束条件，依据所述预设数量的聚类中心集合，通过人工蜂群算法确定所述高光谱遥感图像的最优聚类中心集合；依据所述高光谱遥感图像的最优聚类中心集合，对所述高光谱遥感图像中的目标进行分类。2.根据权利要求1所述的方法，其特征在于，所述将所述高光谱遥感图像中的像元的空间邻域信息作为约束条件，依据所述预设数量的聚类中心集合，通过人工蜂群算法确定所述高光谱遥感图像的最优聚类中心包括：将所述预设数量的聚类中心集合作为人工蜂群算法中采蜜蜂的食物源；依次执行以下步骤，直至满足预设的第一条件：所述采蜜蜂依据所述食物源及所述高光谱遥感图像中像元的空间邻域信息，确定所述采蜜蜂对应的适应度最大的食物源；跟随蜂依据所述食物源及所述高光谱遥感图像中像元的空间邻域信息，确定所述跟随蜂对应的适应度最大的食物源；将所述采蜜蜂对应的适应度最大的食物源及所述跟随蜂对应的适应度最大的食物源中适应度最大的食物源确定为最优聚类中心集合；侦察蜂从所述高光谱遥感图像中随机确定食物源。3.根据权利要求2所述的方法，其特征在于，所述采蜜蜂依据所述食物源及所述高光谱遥感图像中像元的空间邻域信息，确定所述采蜜蜂对应的适应度最大的食物源包括：计算所述食物源的适应度；将与所述食物源对应的采蜜蜂依据所述食物源搜索到的新食物源作为更新的聚类中心集合；依据所述更新的聚类中心集合，确定所述高光谱遥感图像中的目标的聚类结果；通过局部迭代条件模型，依据所述聚类结果计算所述更新的聚类中心集合的目标函数；依据所述目标函数，计算所述更新的聚类中心集合的适应度；通过比较所述食物源的适应度和所述更新的聚类中心集合的适应度，将适应度较大者作为所述采蜜蜂对应的适应度最大的食物源。4.根据权利要求2所述的方法，其特征在于，所述跟随蜂依据所述食物源及所述高光谱遥感图像中像元的空间邻域信息，确定所述跟随蜂对应的适应度最大的食物源包括：跟随蜂按照预设的概率，从所述采蜜蜂的食物源中选择一个作为食物源；计算所述食物源的适应度；将与所述食物源对应的跟随蜂依据所述食物源搜索到的新食物源作为更新的聚类中心集合；依据所述更新的聚类中心集合，确定所述高光谱遥感图像中的目标的聚类结果；通过局部迭代条件模型，依据所述聚类结果计算所述更新的聚类中心集合的目标函数；依据所述目标函数，计算所述更新的聚类中心集合的适应度；2CN103295030A权利要求书2/3页通过比较所述食物源的适应度和所述更新的聚类中心集合的适应度，将适应度较大者作为所述跟随蜂对应的适应度最大的食物源。5.根据权利要求2、3或4所述的方法，其特征在于，在所述侦察蜂从所述高光谱遥感图像中随机确定食物源之前，还包括：当所述采蜜蜂满足预设的第二条件时，将所述采蜜蜂转换为侦察蜂。6.根据权利要求3或4所述的方法，其特征在于，依据所述高光谱遥感图像的最优聚类中心集合，对所述高光谱遥感图像中的目标进行分类包括：通过局部迭代条件模型，对所述聚类结果进行再次分类；将再次分类的结果与所述更新的聚类中心集合对应存储；获取与所述食物源对应的分类结果；将所述适应度最大的食物源对应的分类结果