基于人工蜂群优化算法的高光谱森林生物量聚类方法

森林生物量聚类有利于资源保护,针对当前方法存在聚类复杂度较高、精确性较差的问题,提出基于人工蜂群优化算法的高光谱森林生物量聚类方法。结合奇异值分析,利用核范数最小化基于图像分块的方式实现高光谱森林图像自适应去噪。将去噪后的图像代入波段选择中,为森林生物量聚类奠定基础。采用人工蜂群优化算法利用最佳指数和JM距离间的加权和当作蜂群的适应度函数进行邻域搜索,一直到收敛或者达到最大迭代次数为止,将输出的最优蜜源当作最优波段组合。基于所选波段,利用粒子群算法迭代寻优获取聚类划分模型,引入蚁群算法实现类别标签聚类中心更新,并将剩余没有被划分类别的蚂蚁归类至与其相似的巢中,即类别中,实现高光谱森林生物量聚类。实验结果显示,所提方法自由度高,即聚类复杂度低,且具备良好地聚类精确性,能够很好地识别森林生物量。