(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210416274.3 (22)申请日 2022.04.20 (71)申请人 重庆市地理信息和遥感应用中心 地址 401120 重庆市渝北区龙山 街道龙山 大道339号 (72)发明人 张滔　丁忆　李晓龙　敖影　文力　 罗鼎　马泽忠　李朋龙　胡艳　 肖禾　刘亦凡　黄印　陈晓飞　 卢建洪　吕帅　 (74)专利代理 机构 重庆飞思明珠专利代理事务 所(普通合伙) 50228 专利代理师 艾铭伟 (51)Int.Cl. G06V 20/13(2022.01) G06K 9/62(2022.01)G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/58(2022.01) (54)发明名称 基于MCL和光谱差异度量的高光谱影像波 段 选择方法 (57)摘要 本发明公开了一种基于MCL和光谱差异度量 的高光谱影像波段选择方法， 通过计算波段间的 相关系数， 构建波段间相关性的邻接矩阵， 运用 马尔可夫聚类自适应地将波 段划分为多个聚簇， 并基于聚类结果， 设计目标类别监督下的波 段差 异性度量准则， 选择出适于目标地物 提取的波 段 集， 最后利用监督分类算法， 依据训练样本和测 试样本确定最优波段数， 实现目标地物的最高精 度提取。 其显著效果是： 充分运用波段间邻近相 关性和波段索引距离信息， 并且考虑了噪声较大 波段和坏道 零值波段对聚类的影 响， 提高了波 段 聚簇划分的准确性和合理性， 实现了选择最优波 段和目标地物精准识别， 具有解决实际问题的优 势。 权利要求书3页 说明书8页 附图8页 CN 114863291 A 2022.08.05 CN 114863291 A 1.一种基于MCL和光谱差异度量的高光谱影像波段选择方法， 其特征在于包括如下步 骤： 步骤1、 对已有的高光谱影 像， 计算两 两波段间的相关系数， 获得波段间相关系数矩阵； 步骤2、 基于波段间相关系数矩阵， 将波段间索引距离的倒数作为权重， 构建波段间相 关性的邻接矩阵； 步骤3、 利用马尔可夫聚类算法对波段间相关性的邻接矩阵进行迭代 处理， 将波段划分 为多个聚簇， 获得波段聚簇结果； 步骤4、 基于步骤3获得的波段聚簇结果， 利用目标类别监督下的光谱差异性度量进行 波段选择； 步骤5、 利用监督分类方法， 根据训练样本数据和测试样本数据， 从步骤4选择出的适宜 目标地物提取的波段中确定最优波段 数量， 找出最 适应目标地物提取的波段。 2.根据权利要求1所述的基于MCL和光谱差异度量的高光谱影像波段选择方法， 其特征 在于： 步骤1中所述波段间相关系数的计算公式为： 其中， R(Xi,Xj)为波段Xi和Xj的相关系数， Cov(Xi,Xj)为波段Xi和Xj的协方差， Var[Xi]为 波段Xi的方差， Var[Xj]为波段Xj的方差。 3.根据权利要求2所述的基于MCL和光谱差异度量的高光谱影像波段选择方法， 其特征 在于： 步骤2中所述波段间相关性的邻接矩阵表示 为： 其中， B为波段间相关性的邻接矩阵， Pi j为第i波段与第j波段的连接概率， R(Xi,Xj)为波段Xi和Xj的相关系数， L为波段间索引 距离的限制值， i∈(1， n)， j∈(1， n)。 4.根据权利要求1所述的基于MCL和光谱差异度量的高光谱影像波段选择方法， 其特征 在于： 步骤3中所述马尔可 夫聚类获取波段聚簇结果的步骤为： 步骤3.1、 按照公式对邻接矩阵消除奇偶性依赖， 改进后的邻接矩阵B'表示 为： 其中， Pij为第i波段与第j波段的连接概 率； 步骤3.2、 按照公式 标准化邻接矩阵B ′；权　利　要　求　书 1/3 页 2 CN 114863291 A 2其中， B′ij∈B'表示位于消除奇偶性依赖的邻接矩阵B'的第i行、 第j列的元素， P ′ij∈P 表示位于标准 化邻接矩阵P的第i行、 第j列的元 素。 步骤3.3、 对标准 化后的邻接矩阵进行扩展和膨胀交替操作； 步骤3.4、 聚类迭代步骤3.3 至收敛， 最终聚簇结果稳定不变时达 到收敛。 5.根据权利要求4所述的基于MCL和光谱差异度量的高光谱影像波段选择方法， 其特征 在于： 步骤3.3中所述扩展和膨胀的步骤为： 步骤3.3.1、 按照公式P＝Pa对概率矩阵P进行扩展操作； 步骤3.3.2、 按照公式 对概率矩阵P进行膨胀操作； 其中， a为 正整数， FrP表示膨胀操作， pij∈P表示位于P的第i行、 第j列的元 素。 6.根据权利要求1所述的基于MCL和光谱差异度量的高光谱影像波段选择方法， 其特征 在于： 步骤4中所述利用光谱差异性度量进行波段选择的步骤为： 步骤4.1、 在高光谱影 像上选择目标地物和背景的样本区域； 步骤4.2、 在每个聚簇内， 面向目标地物和背景的准确区分， 用光谱差异性指数度量每 个波段与其 他波段的光谱差异性； 光谱差异性指数的计算公式为： 其中， SDIi为第i个波段的光谱差异性指数， k为该聚簇的波段数， 表示在 该聚簇内第i个波段的目标类与背景类的JS散度， 表示第i个波段目标类和第 j个波段的背景类的JS散度， 表示第i个波段背景类和第j个波段 的目标类的 JS散度； 步骤4.3、 每个聚簇内， 对每个波段计算光谱差异性指数， 依据光谱差异性指数对波段 进行降序排列， 并根据设定的目标波段数， 在每个聚簇内依排序规则选出光谱差异性指数 值较高的波段。 7.根据权利要求6所述的基于MCL和光谱差异度量的高光谱影像波段选择方法， 其特征 在于： 步骤4.3中所述对光谱差异性指数进行排序和波段选择的步骤为： 步骤4.3.1、 每 个聚簇内， 依据波段的光谱差异性指数对波段进行降序排列； 步骤4.3.2、 比较目标波段 数BN和聚簇数m； 步骤4.3.3、 如果BN<m， 则将每个聚簇内最 高光谱差异性指数的波段选出进行再降序 排 列， 前BN个波 段为选择出的波 段； 如果BN≥m， 若BN除以m得s余r， 则在每个聚簇内先选择前s 个波段， 再依据光谱差异性指数对未选择的波段进行降序排列， 选取 前r个波段。 8.根据权利要求1所述的基于MCL和光谱差异度量的高光谱影像波段选择方法， 其特征 在于： 步骤5中所述 最优波段 数量确定的步骤为： 步骤5.1、 对步骤4选取的样本区域， 制作像素点样本数据， 设定像素比例划分为训练样 本数据和 测试样本数据； 步骤5.2、 根据步骤4设定的波段 数量， 选择 出该波段数下适合目标地物提取的波段；权　利　要　求　书 2/3 页 3 CN 114863291 A 3