08高光谱特征选择.ppt

第2节 高光谱特征选择 武汉大学遥感信息工程学院 龚 龑 一、高光谱特征选择概述 二、基于可分性准则的波段选择 三、基于光谱特征位置的波段选择 四、高光谱波段选择方法实例 通过对数据的评价，从若干个特征（波段）中挑选出用于高光谱遥感影像分析（分类）的有限个特征（波段）。 目视法 数值法 一、高光谱特征选择概述 二、基于可分性准则的波段选择 三、基于光谱特征位置的波段选择 四、高光谱波段选择方法实例 穷举搜索法 启发式搜索 随机搜索法 1.穷举搜索法 通过穷举搜索，评价各个可能的特征子集的性能指标，找到其中最优的子集。 鉴于穷举法的低效率问题，研究人员提出了启发式搜索。 前向选择（Forward Selection） 后向选择（Backward Selection） 随机搜索法采用随机的或概率性的步骤或采样过程。 例如： 基于种群的启发式搜索技术（遗传算法） 规则推理系统 一、高光谱特征选择概述 二、基于可分性准则的波段选择 三、基于光谱特征位置的波段选择 四、高光谱波段选择方法实例 利用光谱位置搜索最常用的方法就是利用地物的波段吸收特性进行波段选择。 一、高光谱特征选择概述 二、基于可分性准则的波段选择 三、基于光谱特征位置的波段选择 四、高光谱波段选择方法实例 联合熵 联合熵 联合熵 自动子空间划分思路 为了更清晰地分析波段间的相互关系, 把第1 波段与各个波段间相关系数及近邻波段相关系数曲线绘出, 如图所示, 其中曲线①为第1 波段与各个波段间相关系数曲线, 曲线②为近邻波段相关系数曲线。 全局最优和局部最优问题 混合搜索策略 全局搜索阶段 局部搜索阶段 前向选择和后向选择 容易陷入局部最优值 小结 一、高光谱影像特征选择概述 特征选择的基本概念（最佳波段指数等） 特征选择的主要类型 二、基于可分性准则的波段选择 要点：可分性判据、样本 三种搜索方式 穷举搜索法 启发式搜索 随机搜索法 3. 滤波器类型和包装袋类型的概念（分类器学习与特征选择） 三、基于光谱特征位置的波段选择 （先验光谱知识、特定目的、包络线） 四、高光谱波段选择新方法的实例 1.自动子空间划分波段选择法 2.混合随机搜索波段选择（遗传算法+局部寻优） C.子空间划分 根据相关系数灰度图的分块特征, 将所有波段分成四个子空间: 第Ⅰ空间: 1~12, 第Ⅱ空间: 13~22, 第Ⅲ空间: 23~56, 第Ⅳ空间: 57~64。 4.1自动子空间划分法 操作实践过程 四、高光谱特征选择方法实例 经过划分得到的不同子空间具有不同的维数,在每个子空间内的图像数据具有相近的光谱特性。 D.子空间内的波段选择 在各个子空间内, 根据信息熵大小选出能够代表该子空间的波段各一个 第Ⅰ空间: 12 第Ⅱ空间: 20 第Ⅲ空间: 24 第Ⅳ空间: 63 4.1自动子空间划分法 操作实践过程 四、高光谱特征选择方法实例 E.整体波段选择 对各个子空间所选出的代表波段, 计算三个波段之间的联合熵，选出最优的波段组合。 四、高光谱特征选择方法实例 4.2混合随机搜索波段选择 (遗传算法+局部寻优) J2 J1 ? 在给定起始位置的条件下，按照某种判据寻找下一个更优位置 4.2混合随机搜索波段选择 局部最优和全局最优问题 四、高光谱特征选择方法实例 搜索 思考：穷举搜索法会不会陷入局部最优？ 局部最优：一个矮山峰的山顶 全局最优：最高的山峰的山顶 对高光谱数据来讲穷举搜索法不可取 4.2混合随机搜索波段选择 局部最优和全局最优问题 四、高光谱特征选择方法实例 找到全局较大值位置P，避免陷入局部极小值 在位置P附近，进行局部邻域搜索找到极大值 4.2混合随机搜索波段选择 混合搜索策略 四、高光谱特征选择方法实例 a.全局粗略搜索 b.局部邻域搜索 全局搜索尽可能涉及更多的波段组合形式 局部搜索尽可能细致的找到极大值位置 跨度大 跨度小 采用遗传算法进行 染色体 生物进化 选择 交叉 变异 码串 自然选择过程 4.2混合随机搜索波段选择 全局粗略搜索阶段 四、高光谱特征选择方法实例 染色体 生物进化 选择 交叉 变异 自然选择过程 码串 波段选择 码串筛选 码串交叉 码串变化 波段组合性能评估 码串怎么定义？ 4.2混合随机搜索波段选择 全局粗略搜索阶段 四、高光谱特征选择方法实例 从n个波段中，选择出m个构成波段组合 波段选择的码串： b=(