改进粒子群优化算法的高光谱波段选择

张 刘， 叶 楠， 马灵玲， 汪 琪， 吕雪莹， 章家保*

1. 吉林大学仪器科学与电气工程学院， 吉林 长春 130061 2. 中国科学院空天信息创新研究院中国科学院定量遥感信息技术重点实验室， 北京 100094

引 言

由于高光谱数据量十分庞大， 受限于通信带宽和处理速度， 往往无法实时传输处理全部数据。 对于有实时处理需求的任务， 高光谱载荷通常仅实时下传数个谱段进行快速处理。 因此， 如何选择有代表性的谱段， 使得在选出的波段子集上能高精度地完成实时地物分类和目标检测任务， 是高光谱遥感应用中待解决的一大问题[1-2]。

高光谱图像波段选择的机理可看成是一个非线性函数求解极值点问题。 近年来， 许多优化方法应用到高光谱波段选择上， 例如遗传算法[3-4]、 差分算法[5]、 杜鹃搜索[6]、 蚁群算法[7]、 粒子群算法[8-9]等。 Clerc[10]将混合编码差分算法与粒子群算法结合用于高光谱图像降维。 王立国等[7]利用蚁群算法结合遗传算法进行高光谱波段选择， 认为是一种兼顾时间效率和精解效率的有效方法。

粒子群优化算法是一种仿生自然现象的元启发式算法， 具有结构简单、 参数少易于操作、 搜索速度快的优势。 Ding[8]将粒子群算法应用在高光谱波段选择中， 但受限于传统粒子群算法易陷入局部极值和早熟的问题， 所选取的波段不是全局最佳值。 为了解决该问题。 高鹰等[11]将模拟退火算法与PSO算法结合(SAPSO)， 通过模拟退火算法的“概率突跳特性”使传统粒子群算法具有了跳出局部极值的能力， 但其产生新解的邻域仍集中在局部区域内， 降低了对新解的利用率， 同时在针对高维复杂函数全局寻优时， SAPSO易出现早熟和稳定性差的问题[12]以致于无法寻找到全局最优值。……