09高光谱遥感第九讲

研究生选修课：《高光谱遥感》2009-2010学年第二学期主讲：张显峰张显峰北京大学遥感与GIS研究所2010年5月24日高光谱遥感Lecture9：GeologicApplicationofMulti-sourceRemoteSensingData研究生选修课：《高光谱遥感》2009-2010学年第二学期岩性分类与矿物制图1.波段选择实例2.高光谱与多光谱数据在岩性分类中的比较研究3.高光谱矿物填图：实例研究生选修课：《高光谱遥感》2009-2010学年第二学期1.多波段遥感数据最优波段组合选择方法研究研究生选修课：《高光谱遥感》2009-2010学年第二学期多波段遥感数据最优波段组合选择方法研究问题分析算法设计与实现实验结果与评价结论与讨论问题分析目前多波段遥感数据处理中面临着一个问题就是数据维数很高，存在大量信息冗余，针对多波段遥感数据提出的分类器很难适应如此巨大的计算量，对于遥感数据的进一步处理带来多波段遥感数据波段选择方法。针对高维数据处理中的阻碍。本研究试利用遗传算法(GeneticAlgorithm,GA)来建立一种快速、高效的遥感数据在数据处理上存在的问题，主要是波段之间信息重复，同时由于多个波段，计算上耗费了很多时间，而且效果往往不理想。本研究设计一种基于遗传算法的昀优波段组合选择方法，来帮助多波段遥感数据处理的过程，提出设计并实现该算法，使得对于特定问题的研究能够降低数据维数，减少研究所需要的庞大计算量，在这方面提供一条行之有效的方法。研究生选修课：《高光谱遥感》2009-2010学年第二学期多波段遥感数据最优波段组合选择方法研究问题分析算法设计与实现实验结果与评价结论与讨论基于信息量的昀佳波段选择1.熵与联合熵2.组合波段的协方差矩阵行列式3.昀佳指数（OIF）现有遥感数据波段选择方法基于类间可分性的昀佳波段选择1.均值间的标准距离2.离散度3.距离4.类间平均可分性研究生选修课：《高光谱遥感》2009-2010学年第二学期问题分析算法设计与实现实验结果与评价结论与讨论算法设计与实现问题分析多波段遥感数据最优波段组合选择方法研究1.编码：从表现型到基因型的映射称为编码。2.初始群体的生成：随机产生个初始串结构数据，每个串结构数据称为一个个体，个个体构成了一个群体。3.适应度值评价检测：适应度函数表明个体或解的优劣性。4.选择：将选择算子作用于群体。5.交叉：将交叉算子作用于群体。6.变异：将变异算子作用于群体。群体经过选择、交叉、变异运算后得到下一代群体。7.终止条件判断：若，则，转到步骤2；满足中止条件，则以进化过程中所得到的具有昀大适应度的个体作为昀优解输出，终止运算。遗传算法的主要运算过程如下：研究生选修课：《高光谱遥感》2009-2010学年第二学期实验结果与评价结论与讨论算法设计与实现问题分析多波段遥感数据最优波段组合选择方法研究研究生选修课：《高光谱遥感》2009-2010学年第二学期实验结果与评价结论与讨论算法设计与实现问题分析多波段遥感数据最优波段组合选择方法研究（1）遗传编码方案的设计010…………0101Band(n)Band(n-1)Band(n-2)…………Band4Band3Band2Band1（2）适应度函数的设计1det()()112()'()ln822det()det()cdcdcdcdcdcdVVVVBhatMMMMVV−++=−−+其中，分别是类c和d的均值；分别代表类c和d的协方差矩阵。,cdMM,cdVV研究生选修课：《高光谱遥感》2009-2010学年第二学期实验结果与评价结论与讨论算法设计与实现问题分析多波段遥感数据最优波段组合选择方法研究(3)遗传操作算子的设计选择选择采取排序选择，对种群中的所有个体根据其适应度函数的值的大小按顺序排列，昀大的个体赋予值2，昀小的赋予值0，然后选取父代种群中选择昀优即适应度昀大的若干个参加交叉遗传和变异遗传，产生新的子代个体。交叉交叉采用单点交叉或者双点交叉，不用多点交叉的方法，可以避免随着交叉点的增多，可能破坏一些好的模式，因为随着交叉点数的增加，个体结构被破坏的可能性也逐渐增大，这样就很难有效地保存较好的模式。影响整个算法的性能。变异变异采用基本位变异，基本位变异的具体操作过程如下：①对染色体的个体的每一位基因座，以变异概率指定其为变异点。②对每一个指定的变异点，对其基因值做取反运算或用其他等位基因值来代替，即1变为0，或0变成1。研究生选修课：《高光谱遥感》2009-2010学年第二学期实验结果与评价结论与讨论算法设计与实现问题分析多波段遥感数据最优波段组合选择方法研究（4）遗传过程的终止设计遗传算法从理论上可以一直遗传下去，就像自然界中的情况一样，但在波段选择问题中，当遗传代数超过一定的代数后，算法终止，输出昀优结果。研究生选修课：《高光谱遥感》2009-2010学年第二学期实验结果与评价结论与讨论算法设计与实现问题分析多波段遥感数据最优波段组合选择方法研究数据预处理设计：二维数组………………………45474641563945…49485145584043…50515248543739…49515148614750…48484846402732…44464542493438…47474844483237…47494845523639…Band7Band6Band5Band4Band3Band2Band1研究生选修课：《高光谱遥感》2009-2010学年第二学期实验结果与评价结论与讨论算法设计与实现问题分析多波段遥感数据最优波段组合选择方法研究整体算法流程示意图所示研究生选修课：《高光谱遥感》2009-2010学年第二学期实验结果与评价结论与讨论算法设计与实现问题分析多波段遥感数据最优波段组合选择方法研究ProcedureDatapretreatment数据预处理begin开始readbrightnessoftrainarea;读取训练区域的亮度值rankthedatabybands;按照波段顺序排列savedata;保存数据end结束ProcedureGA遗传算法begin开始gen=0;代数计数器为0CreateChrom；生成初始种群initializeFit(Chrom);声明适应度函数evaluateFit(Chrom);计算适应度函数开发环境：MATLAB7.0，代码如下研究生选修课：《高光谱遥感》2009-2010学年第二学期实验结果与评价结论与讨论算法设计与实现问题分析多波段遥感数据最优波段组合选择方法研究whilegenMaxgendobeginevaluateFitValue[Fit(Chrom)];分配适应度值selectSelChromfromChrom;选择recombineSelChrom;重组reproducenewchrominSelChrom;mutateSelChrom;变异evaluateFit(SelChrom);子带个体的适应度函数值reinsertSelChromtoChrom;重新插入子带到父代gen=gen+1;代数器增加endend结束研究生选修课：《高光谱遥感》2009-2010学年第二学期实验结果与评价结论与讨论算法设计与实现问题分析多波段遥感数据最优波段组合选择方法研究研究生选修课：《高光谱遥感》2009-2010学年第二学期算法设计与实现结论与讨论问题分析Services实验结果与评价算法设计与实现多波段遥感数据最优波段组合选择方法研究图4实验所选择区域及附近区域图中所选择的区域即为本次实验所选择的区域。在所选区域中，不同种类岩石的分布很集中，便于选择训练样本，而且岩石的光谱特性也表现的十分明显，有利于本次实验的进行和结果评价分析。实验区域选择研究生选修课：《高光谱遥感》2009-2010学年第二学期算法设计与实现结论与讨论问题分析Services实验结果与评价多波段遥感数据最优波段组合选择方法研究833.16°,-114.08°2000-1-5L7_038037_20000105ETMTIR:1232.92°,-114.47°2003-3-9SC:AST_L1B.003:2017729299VNIR&SWIR:832.98°,-114.85°2003-10-3SC:AST_L1B.003:2012094035ASTERSignalQuantizationCenterLat/LonDateofAcquisitionUSGSSceneIDSensors遥感图像数据获取对于所选实验区域获得Aster（14波段）数据和LandsatETM（8个波段）图像，将两者融合后形成实验区域的遥感影像数据（22波段）。数据的具体参数如下表所示：研究生选修课：《高光谱遥感》2009-2010学年第二学期算法设计与实现结论与讨论问题分析Services实验结果与评价多波段遥感数据最优波段组合选择方法研究所选区域的地质图作为支持数据，包括主要岩性的分布情况，这样更有利于样本的选取，降低了样本选取的难度。同时也为评价实验结果提供依据。又图即为地质分布图。图5实验区域对应地质分布图研究生选修课：《高光谱遥感》2009-2010学年第二学期算法设计与实现结论与讨论问题分析Services实验结果与评价多波段遥感数据最优波段组合选择方法研究首先选取五类岩性作为波段选择的评判标准，这五类分别为Tv、Tc、Tvb、mc和mso，参考地质图利用ERDASIMAGINE9.0选出上述五类岩石的样本。如下图所示：图6选择岩石训练样本示意图研究生选修课：《高光谱遥感》2009-2010学年第二学期算法设计与实现结论与讨论问题分析Services实验结果与评价多波段遥感数据最优波段组合选择方法研究计算后的结果即从22个波段选出的7个波段的昀优组合为：Band2，Band3，Band4，Band5，Band8，Band11，Band13其对应的染色体结构为：00000000010是否选中2221201918171615141312波段序号10010011110是否选中1110987654321波段序号实验结果：研究生选修课：《高光谱遥感》2009-2010学年第二学期算法设计与实现结论与讨论问题分析Services实验结果与评价多波段遥感数据最优波段组合选择方法研究图7昀优波段组合随代数的变化趋势研究生选修课：《高光谱遥感》2009-2010学年第二学期算法设计与实现结论与讨论问题分析Services实验结果与评价多波段遥感数据最优波段组合选择方法研究通过MultiSpec计算的所有波段组合的参数并按照顺序列出了排在前10位的优化波段组合。1.9423456813101.9423458131491.95235811131781.95235811131871.95235811121361.95235811131451.962345681441.9823458101332.0223568111322.112345811131FitnessChannelsNo.上表中可以看到，计算170544种波段组合需要了44秒的时间，而在实验中，利用MATLAB中时间计算器，整个遗传算法运行28.34秒，可以发现在计算时间上有着比较大的优势，可以预计如果在波段数目进一步增加的时候，遗传算法的计算时间上的优势将更加明显，能够大大节省计算的时间。算法性能参数Thereare170544channelcombination(s)for7group(s).44CPUsecondsforfeatureselection.研究生选修课：《高光谱遥感》2009-2010学年第二学期算法设计与实现实验结果与评价结论与讨论问题分析Services实验结果与评价结论与讨论多波段遥感数据最优波段组合选择方法研究1234遗传算法常规的穷举法大大减少了计算量，同时节省了很大一部分计算时间，提高了数据处理的效果。基于遗传算法对波段组合进行优化，表达方式简明易懂，利用一列二进制串对应一个波段组合，设计上有优势适应度函数的选取对于昀后的结果