(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 202210253842.2 (22)申请日 2022.03.15 (71)申请人 郑州轻工业大 学 地址 450000 河南省郑州市金 水区东风路5 号 (72)发明人 王华　陈梦奇　黄伟　殷君茹　 (74)专利代理 机构 郑州大通专利商标代理有限 公司 41111 专利代理师 张立强 (51)Int.Cl. G06K 9/62(2022.01) G06V 20/10(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06N 3/00(2006.01) (54)发明名称 使用粒子群优化多核支持向量机的高光谱 图像空谱联合分类方法及系统 (57)摘要 本发明公开一种使用粒子群优化多核支持 向量机的高光谱图像空谱 联合分类方法及系统， 该方法包括： 提取训练集的N个特征核矩阵； 将N 个核矩阵传入到粒子群算法中， 设计粒子群的编 码结构， 得到权重编码Xm、 速度向量Vi、 粒子种群 Q、 适应度值Fitness、 个体极值Pbest以及种群极值 Gbest； 通过加约束的随机初始化对粒子群进行初 始化； 设定粒子群的更新策略， 并在粒子的飞行 中添加约束条件， 最终得到分类精度最高的各个 核矩阵的权重大小； 将权重大小与各自对应的核 矩阵进行融合， 得到融合多特征的核矩阵； 将融 合后的核矩阵输入SVM进行训练； 使用训练好的 SVM分类器模型对测试集进行分类， 输出得到对 应的地物分类图像。 本发明提高了HSI的分类精 度。 权利要求书4页 说明书11页 附图4页 CN 114626459 A 2022.06.14 CN 114626459 A 1.一种使用粒子群优化多核支持向量机的高光谱图像空谱联合分类方法， 其特征在 于， 包括： 步骤1： 将高光谱遥感图像数据集分为训练集和测试集， 使用特征提取方法提取训练集 中高光谱图像的N个特 征核矩阵； 步骤2： 将N个核矩阵传入到 粒子群算 法中， 设计 粒子群的编码结构， 得到权重编码Xm、 速 度向量Vi、 粒子种群Q、 适应度值Fitness、 个体极值Pbest以及种群极值Gbest； 通过加约束的随机 初始化对粒子群进行初始化； 步骤3： 设定粒子群的更新策略， 并在粒子的飞行中添加约束条件， 最终得到分类精度 最高的各个核矩阵的权重大小； 将权重大小与各自对应的核矩阵进行融合， 得到融合多特 征的核矩阵； 步骤4： 将融合后的核矩阵输入SVM进行训练； 使用训练好的SVM分类器模型对测试集进 行分类， 输出 得到对应的地物分类图像。 2.根据权利要求1所述的使用粒子群优化多核支持向量机的高光谱图像空谱联合分类 方法， 其特 征在于， 所述 步骤2包括： 步骤2.1： 将得到的N个特 征核矩阵进行 粒子的编码， 得到 其中Xm代表权重编码， xi表示Xm中的第i个权重， Vi代表粒子的飞行速度， 也就是权重参 数下一次更新的方向和大小， vim表示第i个权重在种群Q的Xm组权重中的飞行速度； Q表 示粒 子种群， M表 示种群数量， 该种群共包含M*N种权重参数的组合； Fitness为粒子的适应度值， 表 示粒子中的权重参 数组合在适应度函 数上表现的好坏程度， Fm表示种群 Q中Xm组权重所得到 的适应度值； Pbest为个体极值， 是当前粒子所得到的最佳权重参数组合， Pbestm是种群Q中Xm 变化过程中得到适应度最高的值； Gbest是种群极值， 表示种群中所有粒子得到的最佳权重 参数组合； 步骤2.2： 通过下式对粒子进行初始化， 同时设置粒子的约束条件， 完成带有约束条件 的初始化 xi＝(xmax‑xmin)*randlocation+xmin,i＝1,2,…,N‑1 其中randlocation表示粒子位置的初始化 函数， randvelocity表示粒子 速度的初始化 函数； 由于粒子为支持向量机中基核函数线性组合的值， 所以粒子的数值应为0 ‑1之间的小 数， 且所有权 重组合相加值 为1， 即 3.根据权利要求2所述的使用粒子群优化多核支持向量机的高光谱图像空谱联合分类 方法， 其特 征在于， 所述 步骤3包括：权　利　要　求　书 1/4 页 2 CN 114626459 A 2步骤3.1： 设定粒子的更新策略， 粒子的具体更新公式如下式所示 其中， i＝1,2,...,M表示粒子的种群编号， k代表迭代次数， w代表惯性权重， c1代表个体 学习因子， c2代表群体学习因子， rand()为随机函数， 取0 ‑1之间的小数； 步骤3.2： 同时在粒子的飞行过程中， 添加约束条件， 避免粒子飞出边界， 粒子的边界约 束条件为 步骤3.3： 对编码后的N个特征核矩阵进行迭代更新， 得到N个特征核矩阵的最佳权重 并 进行融合得到多特 征的合成核矩阵。 4.根据权利要求1所述的使用粒子群优化多核支持向量机的高光谱图像空谱联合分类 方法， 其特 征在于， 所述 步骤4包括： 步骤4.1： 将训练集中的像素Wi与其标签值Yi组成一个数据对， 进而得到SVM分类器的训 练样本集S＝{(W1,Y1),(W2,Y2),…,(Wn,Yn)}； n表示训练集中的像素个数； 步骤4.2： 将融合后的核矩阵作为SVM分类器的核函数， 采用训练样本集S训练得到SVM 分类器模型； 步骤4.3： 使用训练好的SVM分类器模型对测试集进行分类， 输出得到对应的地物分类 图像。 5.一种使用粒子群优化多核支持向量机的高光谱图像空谱联合分类系统， 其特征在 于， 包括： 特征提取模块， 用于将高光谱遥感图像数据集分为训练集和测试集， 使用特征提取方 法提取训练集中 高光谱图像的N个特 征核矩阵； 粒子群初始化模块， 用于将N个核矩阵传入到粒子群算法中， 设计粒子群的编码结构， 得到权重编码Xm、 速度向量Vi、 粒子种群Q、 适应度值Fitness、 个体极值Pbest以及种群极值 Gbest； 通过加约束的随机初始化对粒子群进行初始化； 优化模块， 用于设定粒子群的更新策略， 并在粒子的飞行中添加约束条件， 最终得到分 类精度最高的各个核矩阵的权重大小； 将权重大小与各自对应的核矩阵进行融合， 得到融 合多特征的核矩阵； 分类模块， 用于将融合后的核矩阵输入SVM进行训练； 使用训练好的SVM分类器模型对 测试集进行分类， 输出 得到对应的地物分类图像。 6.根据权利要求5所述的使用粒子群优化多核支持向量机的高光谱图像空谱联合分类 系统， 其特 征在于， 所述粒子群初始化模块具体用于： 步骤2.1： 将得到的N个特 征核矩阵进行 粒子的编码， 得到权　利　要　求　书 2/4 页 3 CN 114626459 A 3