基于多目标遗传算法的超光谱波段选择.pdfVIP

VoL 27，No．8，2011 研究与设计 截型电脑应用 2011年第27卷第8期 MicrocomputerApplications 1-02 文章编号：1007．757X(2011)08-001 基于多目标遗传算法的超光谱波段选择 戴春妮，李庚利，刘锦高 摘要：超光谱波段图像的信息冗余量很大，可以通过波段选择的方式简化分析。以白血病血液样本的光谱数据为例，以最 佳指数和协方差为选择依据，通过多目标遗传算法实现了超光谱的波段提取。为了验证该法的有效性，对多目标算法与单目 标遗传算法进行了比较实验，结果表明NSGA的选择结果总体更优于单目标算法，从一定程度上说明了该算法在光谱提取 上的有效性。 关键词：波段选择；遗传算法； 多目标；超光谱 中图分类号：TP433 文献标志码：A 还可利用现有的单目标算法进行求解，但也存在以下三个主 0引言 要缺点：1)当优化的多目标中同时有最大化和最小化时， 超光谱数据因为波段图像众多．可以对感知物质在结构 要求所有的目标具有相同的凹【兀l性：2)不同的权重组合未 层次上进行更精确的物质特征探测，这是高光谱的一个显著 必可以得到不同的最优解，从而得小到优化解：3)用单目 优势，但也给图像的分析和解译带来了困难，增加了计算的 标优化的方法得到的解，还得检测此解是否是最优解，增加 了算法的复杂度。鉴于传统多目标优化算法存在的这些不 复杂性。为了减少波段图像之间的冗余信息，需要对高光谱 数据进行波段选择。常用的光谱波段选择方法总体上分为两 足，近年来遗传算法作为解决多目标优化问题的有效方法受 大类：一类是基于变换的方法，如主成分分析、离散小波变 到了相当的关注，应用越来越多【5】。本文对超光谱的波段选 择使用的是多目标优化的遗传算法。 换等，可直接得到典型的光谱信息，缺点是在变化的过程中 使原有的一些特性受到了改变…；另一类是非变换的方法， l波段选择的依据 如波段选择和数据源划分等【2】。作为一种直接处理的方式， 波段选择不但可以保留原始图像的信息，而且还可以大大简 (1)特征统计 化高光谱数据，更有利于光谱的推论和解译。 统计特征包括每个波段像素灰度值的最大值、最小值、 在文献[3】的研究中，对超光谱的波段选择采用的是一 平均值、标准差等的分析，从中可以获取关于图像灰度值的 种自适应的遗传算法，对波段选择的依据是最佳指数OIF。 取值及其期望、偏差等有用信息。 OIF表征的是波段图像的方差与相关系数的关系，是光谱图 (2)信息量 像选择中使用较多的方法之一。但在实阳；的研究中发现，基 设遥感数据某波段图像有gl，92，93，．．…．，劭，共一个灰 于OIF的波段选择并非总能得到好的结果，主要的原冈在 度值，且各级灰度值出现的概率分别为Pl，P2，P3，．．…．，Pn， 于优化目标的单一性。为解决这一问题，可以引入多目标优 则根据信息量的定义，该图像的信息量为： 化方法。 多目标优化下各子目标在通常情况下是相互竞争和冲 日=一∑只l092只_…‘ (1) i=0 突的，也就是说，一个解可能在某个目标上是最好的，但在 熵越大，图像所包含的信息也就越丰富。但是，仅根据 其他目标上有可能是很差的。要实现多目标优化，只能在协