共查询到19条相似文献,搜索用时 62 毫秒
1.
随着遥感技术和成像光谱仪的发展,高光谱遥感图像的应用越来越广泛,但其自身的特点给高光谱图像的分类、识别等带来了很大的困难.如何快速地从高达数百个波段的高光谱图像中选择出具有较好分类识别能力的波段组合是亟待解决的问题.针对上述问题分析了已有的波段选择方法,提出一种结合遗传算法和蚁群算法的高光谱图像波段选择方法.该算法首先利用遗传算法以较快的寻优能力获得几组较优解,以此来初始化蚁群算法的初始信息素列表,然后用蚁群算法以较高的求精解能力获得最优解,并且在遗传算法部分中采用四进制的编码方式,使得算法编/译码简单、遗传算子操作简捷、且处理时所占空间小,同时在蚁群算法部分中巧妙地对预处理图像进行子空间划分来缩小蚂蚁搜索的范围,提高了算法的搜索效率,减小了输出波段组合的相关性和冗余度.由于该算法充分地吸取遗传算法和蚁群算法的优点、克服各自的缺陷,是一种计算耗时少、收敛性能好的波段选择方法.利用AVIRIS(airborne visible infrared imaging spectrometer)图像对提出的算法进行实验,实验结果表明,本文算法在所选波段性能和计算耗时方面都获得令人满意的效果. 相似文献
2.
卫星载荷研制发射后其光谱和空间观测模式固定,无法根据复杂地表的多样化需求进行实时灵活调整,且目前遥感器波段设置尚不完善还存在优化空间.引进基于蚁群优化算法的波段选择方法(AntColonyOptimization basedBandSelection,ACOBS),结合北美区域33景AVIRIS航空高光谱图像,开展了不同区域、不同地表覆盖类型的高光谱波段优选研究,发现各地表类型优选波段组合存在一定差异,其中4波段组合中红光、近红外波段为2个共同入选波段,6波段组合中绿光、红光、短波红外波段为3个共有波段,8波段组合中紫光、绿光、红光、红边、近红外1、近红外2、短波红外1、短波红外2为8个共有入选波段,其他入选波段与地表覆盖类型有关.在此基础上,进一步开展了多光谱卫星波段设置评价研究,发现:4波段优化方案中,绿光、红光、近红外波段1 (770~895nm)、近红外波段2(900~1350nm)为最优波段组合;6波段优化方案中,绿、红、红边、近红外1(770~895nm)、近红外2(900~1350nm)、短波红外1(1560~1660nm)为最优波段组合;8波段优化方案中,蓝、绿、红、红边、近红外1(770~895nm)、近红外2(900~1350nm)、短波红外1(1560~1660nm)和短波红外2(2100~2300nm)为最优波段组合.研究结果表明Land satTM OLI、SPOT等陆地资源遥感器波段设置还存在一定优化调整空间,特别是红边波段在目前传感器波段设置中没有得到足够重视. 相似文献
3.
4.
在高光谱图像分析领域中,波段选择是一种能有效减少高光谱图像维度的方法。K类仿射传播算法是一种高效的聚类算法,已成功地应用于人脸识别和数据分析等领域,但在高光谱图像分析领域还少有成功的应用。提出将K-AP算法应用于高光谱图像波段选择,对高光谱图像进行有效的数据压缩。针对K-AP算法的特点,基于Kullback-Leibler散度定义了新的相似度矩阵,对波段进行度量,再使用K-AP算法进行聚类,选择最有代表性的波段。实验结果表明,与常用的波段选择方法相比,所提出的方法有更好的表现。 相似文献
5.
高光谱图像在遥感领域中的应用越来越广泛,但由于自身的高数据维、波段间的高冗余度等特性给图像处理带来了一定困难,针对这个问题,提出一种基于类间可分性准则的改进萤火虫仿生算法,进行高光谱遥感波段选择。在分析萤火虫算法机理的基础上,阐述了利用该算法进行高光谱波段选择的思路,并构造波段相似性矩阵,选择欧氏距离、JM距离、光谱信息散度和离散度作为可分性准则来设置目标函数,根据目标函数值的优劣选择优势波段。最后,使用HYDICE Washington DC Mall和 HyMap Purdue Campus两个高光谱遥感影像数据进行实验验证,并利用支持向量机分类器对最佳波段组合进行精度评价,证明该算法的可行性和有效性。
相似文献
6.
高光谱影像数据量大、波段间相关性强、信息冗余度高等特点为地物高效识别与分类带来挑战。鉴于降低维度在有效利用高光谱数据方面的重要性,文章提出高光谱影像特征优化降维算法。相关系数矩阵用以确定初始子空间,以此作为先验确定聚类个数及初始聚类中心。依据相似性度量准则,应用K-means算法进行波段聚类,取不同准则下聚类结果交集,实现子空间的自动划分,并利用PCA变换提取第一主成分作为子空间降维结果。对于未被子空间覆盖的剩余波段,采用BSMM算法进行降维处理。叠加2次降维结果,实现最终降维。通过对华盛顿哥伦比亚特区和帕维亚大学2幅影像降维结果的定性定量评价,验证本文算法的可行性与有效性。实验表明,该算法能够在更好实现影像降维的同时极大限度地保留原始影像信息,为后续高光谱影像快速解译提供可能。 相似文献
7.
针对高光谱影像波段数目多,易造成维数灾难的问题,结合遗传算法提供的初始启发信息和蚁群算法寻优能力的优势,提出一种基于改进二进制蚁群算法的波段选择方法。该方法通过遗传算法寻优获取几组较优解,经过计算后作为二进制蚁群算法的初始启发式信息,利用二进制蚁群算法的全局搜索获取最优解;另一方面,为充分利用影像的光谱与空间信息,将波段组合的光谱特征与改进二进制蚁群算法选择的纹理特征融合进行分类,可以获得更高的分类精度。实验结果表明,改进二进制蚁群算法与遗传算法、蚁群算法、二进制蚁群算法相比全局搜索能力更强,且该方法分类精度达到95.63%。 相似文献
8.
高光谱成像遥感技术可获取地物的光谱、辐射和空间信息,在国民经济的各个领域得到广泛的应用.但其狭窄的波段间距带来丰富光谱信息的同时,也带来了信息冗余,增加了数据处理的难度.因此,高光谱遥感数据在进行实际应用前,需要进行波段选择并提取光谱特征,降低数据维数.对高光谱遥感图像的波段选择研究进展进行了综述,在分析、归纳波段选择... 相似文献
9.
基于波段聚类的高光谱图像波段选择 总被引:1,自引:0,他引:1
为使无监督的波段选择能够更好地保留高光谱图像的信息,提出一种基于波段聚类的高光谱图像无监督波段选择方法.首先,计算高光谱图像各波段间的互信息,以此衡量各波段间的相关程度;然后,根据各波段间的互信息,对波段集合进行聚类;通过迭代使得各波段分组自动地聚集在信息量较大且具有代表性的波段周围,直到各聚类中心不再变化,则聚类结束.通过波段聚类过程保证了冗余波段的去除和有用信息的保留,最后,以各聚类中心波段作为所选的波段组合.实验结果证明,与传统方法相比,使用文中的方法选择波段,能够更有效地保留光谱信息,得到更高的分类精度. 相似文献
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
基于人工免疫算法和蚁群算法求解旅行商问题 总被引:3,自引:3,他引:0
人工免疫算法具有快速随机的全局搜索能力,但对于系统中的反馈信息利用不足,往往做大量无为的冗余迭代,求解效率低。蚁群算法具有分布式并行全局搜索能力,通过信息素的积累和更新收敛于最优路径上,但初期信息素匮乏,求解速度慢。该文提出一种基于人工免疫算法和蚁群算法的混合算法,采用人工免疫算法生成信息素分布,利用蚁群算法求优化解。将该算法用于求解旅行商问题进行计算机仿真,结果表明,该算法是一种收敛速度和寻优能力都比较好的优化方法。 相似文献