1.一种基于反向学习二进制水稻育种算法的高光谱图像波段选择方法，其特征在于，包括如下步骤：

步骤1.读取高光谱图像，提取图像中的波段信息，并构成原始波段特征数据集，将数据集分成训练集和测试集两部分，其中训练集用于波段选择，测试集用来对筛选出的波段子集的分类效果进行测试；

步骤2.初始化随机生成二进制水稻育种算法种群并设置二进制水稻育种算法所需的参数，包括种群大小N，N为3的倍数，最大迭代次数itermax，最大自交次数tmax；

步骤3.设定反向学习概率pm，生成一个随机数rand，若rand

步骤4.同时计算出原始种群和反向种群中个体的适应度值，并选择其中适应度值高的个体构成最终的初始种群；

步骤5.将二进制水稻育种算法中的初始种群映射为相应的波段子集，即二进制水稻育种算法中每个水稻种子的每一维基因都有两个候选值，即0或者1，“0”表示该基因对应的波段未被选择，“1”表示该基因对应的波段被选择，每个水稻种子基因序列的编码长度等于高光谱图像中包含的波段数目；

步骤6.根据适应度函数计算种群中个体的适应值，按照个体的适应度值从大到小排序，将水稻种群划分为三系：保持系，恢复系，不育系，适应度值最优的1/3个体被选择为保持系，适应度值最差的1/3个体被选择为不育系，剩下1/3的个体被选择为恢复系；

步骤7.分别随机从不育系和保持系中选择个体作为父本和母本进行杂交操作，即将父本和母本的基因通过重新组合产生新的基因序列，分别计算新个体和参与杂交的不育系个体的适应值，从中选择适应度值好的个体的基因保留至下一代；

步骤8.随机选择恢复系中的个体进行自交操作，用计算机二进制运算规则中的加法和减法算子代替原来自交操作中的加法和减法算子，计算出新个体的适应度值并跟自交前的个体的适应度值进行比较，若新个体的适应度值优于自交前个体的适应度值，就用产生的新个体替换原始个体，此时将该个体的自交次数记为0；否则不替换，该个体的自交次数加

1；

步骤9.当达到最大自交次数时，对恢复系个体进行重置操作，即在搜索空间中随机选择一组基因序列替换原始个体中的基因，并将自交次数归0，重置操作中的加法算子同样采用计算机二进制运算规则表示；

步骤10.记录全局最优的水稻个体的基因序列及其对应的适应度值，该基因序列可映射为全局最优的波段子集，即二进制水稻育种算法中每一维基因都有两个候选值，即0或者

1，“0”表示该基因对应的波段未被选择，“1”表示该基因对应的波段被选择；

步骤11.判断是否满足终止条件，其中，终止条件设为达到最大迭代次数，若否，则返回执行所述步骤6；若是，则输出全局最优水稻个体的基因序列对应的波段子集及其适应度值。

2.根据权利要求1所述的一种基于反向学习二进制水稻育种算法的高光谱图像波段选择方法，其特征在于，所述步骤3中反向学习策略的定义为，设种群中有N个水稻个体，即X＝{x1,x2,…,xN}，X∈[a,b]，a,b为搜索空间的上界和下界，每个水稻个体xi∈X满足xi∈[ai,bi]，i＝1,2,…,N，则其反向个体定义为：对于由d维二进制编码构成的个体 其对应的反向个体 由于个体中的基因 具有非0即1的特性，因此其二进制反向种群中个体的每一维基因可以定义为：

3.根据权利要求1所述的一种基于反向学习二进制水稻育种算法的高光谱图像波段选择方法，其特征在于，所述步骤4中构成最终的初始种群的方法为：二进制水稻育种算法原始种群有N个水稻种子个体，生成的反向种群中的个体数同样为N；将原始种群和反向种群分别按照适应度值从大到小排序，将原始种群中排列在前n1的个体和反向种群中排列在前n2的个体选择组成最终的初始种群；其中N＝n1+n2。

4.根据权利要求1所述的一种基于反向学习二进制水稻育种算法的高光谱图像波段选择方法，其特征在于，所述步骤5中水稻育种算法中的二进制基因序列与波段之间的映射方式为：二进制水稻育种算法中每个水稻个体的每一维基因都有两个候选值，即0或者1，“0”表示该基因对应的波段未被选择，“1”表示该基因对应的波段被选择。

5.根据权利要求1所述的一种基于反向学习二进制水稻育种算法的高光谱图像波段选择方法，其特征在于，所述步骤6中用适应度值评估所选波段子集的质量，其适应度函数计算公式为：

其中，R表示本次选择波段的个数，C表示波段总数，α和β为两个权重系数，α的范围介于

0和1之间，β＝1‑α，Accuracy表示选择的波段子集参与分类得到的分类正确率，采用K‑NN作为分类器进行分类，对于二分类问题，分类精度计算公式表示为：其中，Tp为真正例：真实类别为正例，分类也为正例；Tn为真负例：真实类别为负例，分类为负例；Fp为假正例：真实类别为负例，分类为正例；Fn为假反例：真实类别为正例，分类也为负例；

计算种群适应度值后进行降序排序，将种群分成保持系，恢复系和不育系，生成三个子种群的公式为：

M＝{x1,x2,…,xm},m＝N/3    (5)R＝{xm+1,xm+2,…,x2m},m＝N/3    (6)S＝{x2m+1,x2m+2,…,xn},m＝N/3     (7)其中N为种群大小，m为每个子种群大小，M表示保持系个体的集合，R表示恢复系个体的集合，S表示不育系个体的集合。

6.根据权利要求1所述的一种基于反向学习二进制水稻育种算法的高光谱图像波段选择方法，其特征在于，所述步骤7中通过杂交产生新个体的基因的公式为：其中 表示生成的第i个水稻种子的基因序列中的第j个基因， 和 分别表示不育系和保持系中的第k个水稻种子的基因序列中的第j个基因，r1，r2为[‑1,1]之间的随机数，且r1+r2≠0。

7.根据权利要求1所述的一种基于反向学习二进制水稻育种算法的高光谱图像波段选择方法，其特征在于，所述步骤8中恢复系水稻种子自交产生新个体的更新公式为：subresult＝XbestsubXr(k)       (10)Xnew(i)＝(r3*subresult)addXr(i)    (11)其中，Xnew(i)表示生成的第i个水稻种子，Xr(i)和Xr(k)分别表示恢复系中第i个和第k个水稻种子个体，Xbest表示当前最优个体，subresult表示Xbest与Xr(k)通过计算机二进制减法规则运算得到的结果，r3是[0,1]之间产生的随机数，add和sub分别代表二进制运算规则中的加法和减法算子，二进制的加法运算依据“逢二进一”规则，具体为：0+0＝0，0+1＝1，1+0＝1，1+1＝0，进位为1，二进制的减法运算依据“借一当二”的规则，具体为：0－0＝0，0－1＝1，借位为1，1－1＝0，1－0＝1。

8.根据权利要求1所述的一种基于反向学习二进制水稻育种算法的高光谱图像波段选择方法，其特征在于，所述步骤9中恢复系进行重置操作时的更新公式为：Xnew(i)＝Xr(i)add(r4*(Rmax‑Rmin))+Rmin     (12)其中，Xnew(i)表示生成的第i个水稻种子，Rmax和Rmin分别表示二进制搜索空间的上界和下界，r4是[0,1]范围内生成的一个随机数，Xr(i)表示恢复系中第i个水稻种子个体，add表示二进制运算规则中的加法算子，二进制的加法运算依据“逢二进一”规则，具体为：0+0＝0，0+1＝1，1+0＝1，1+1＝0，进位为1。