基于改进布谷鸟搜索算法的高光谱图像波段选择方法研究.pdf

湖南理工学院硕士学位论文摘要

摘要

HyperspectralImage,HSI

高光谱图像（）通常包含几十甚至数百个连续波段，

蕴含着丰富的地物信息，由此能够有效地识别与区分各类目标，从而极大地促进

了诸多实际应用，如生物物理参数检索、复杂环境精细分类与小目标检测等。然

而，高维数据导致的波段间高相关性、波段高冗余度与“维数诅咒”等问题都为

后续图像处理带来了重重困难。因此，有必要为高光谱图像处理设计可行且高效

的波段选择方法（BandSelection,BS）。同时，布谷鸟搜索算法（CuckooSearch

Algorithm,CS）等群智能优化算法凭借其搜索能力强、参数少等优势被广泛提及。

因此，本文在对布谷鸟搜索算法的研究基础上开展单目标和多目标高光谱图像波

段选择方法研究，主要研究内容如下：

CS

针对算法迭代后期搜索能力和摆脱局部极值能力不足等问题，提出了一种

带有模糊逻辑和高斯-柯西策略的改进布谷鸟搜索算法（ImprovedCuckooSearch

AlgorithmwithFuzzyLogicandGauss-CauchyStrategy,ICS-FG）。为了更加清晰具

现化种群在搜索空间中的分布情况，提出了一种基于欧氏距离的种群多样性表达

方式，并在此基础上提出了一种用于动态调整参数的种群多样性模糊逻辑策略。

在迭代后期CS算法的全局勘探和局部开发阶段之间存在搜索能力严重不平衡问

题，即局部开发能力远低于全局勘探能力，因此提出了一种用于提升局部开发能

力的高斯-柯西策略。最终基于26个基准测试函数的实验结果验证了ICS-FG算法

的有效性，同时在与并行紧凑布谷鸟搜索算法（ParallelCompactCuckooSearch

Algorithm,pcCSImprovedAdaptiveGeneticAlgorithm,

）和改进自适应遗传算法（

IAGA）等现有先进算法相比较的过程中验证了ICS-FG算法的优越性。

在布谷鸟搜索算法的研究基础上，针对局部开发能力不足提出了一种异构布

HeterogeneousCuckooSearchAlgorithm,HCS

谷鸟搜索算法（）。为确定在不同场

景下所选择波段的推荐数量，根据滑动谱分解原理提出了一种波段数量自动推荐

策略。此外，基于匹配滤波器（MatchedFilter,MF）与信噪比之间的关联，构建了

一种波段选择优化模型；同时为了降低所选波段之间的相关性和提升HCS算法与

MF优化模型之间的适配度，提出了一种基于邻域波段分组的映射方法，从而提出

了一种带有MF优化模型的HCS算法的波段选择方法（HCS-MF）。实验结果表

BotswanaKennedySpaceCenterKSCSalinas

明，在、（）和三个公开数据集上所提

算法选择的波段子集均有助于实现精细化分类，也能够为不同场景下所选波段数

量的自动推荐提供良好指导。与边缘图自表示（MarginalizedGraph

Self-Representation,MGSRNeighborhoodGrouping

）、邻域分组归一化匹配滤波（

I

湖南理工学院硕士学位论文摘要

NormalizedMatchedFilter,NGNMF）和区域多图融合（Region-wi