基于多態(tài)蟻群算法的高光譜遙感影像最優(yōu)波段選擇
本文關(guān)鍵詞:基于多態(tài)蟻群算法的高光譜遙感影像最優(yōu)波段選擇
更多相關(guān)文章: 高光譜 降維 波段選擇 蟻群算法 多態(tài)蟻群算法
【摘要】:由于傳統(tǒng)蟻群算法搜索空間大,算法時間復雜度高等,導致基于傳統(tǒng)蟻群算法的高光譜數(shù)據(jù)波段選擇算法(ACA-BS)耗時長,算法效率低下,且易陷入局部最優(yōu)。而多態(tài)蟻群算法能大大縮小算法的搜索空間,降低算法時間復雜度。因此,研究設(shè)計了基于多態(tài)蟻群算法的高光譜數(shù)據(jù)波段選擇算法(PACA-BS)。從算法運行時間、波段子集的類別可分性及信息量、總體分類精度等方面對算法進行對比分析。用于實驗的數(shù)據(jù)為Hyperion和AVIRIS高光譜影像。實驗結(jié)果表明:PACA-BS的運行時間較ACA-BS大大減少;對Hyperion影像進行降維時,基于PACA-BS的運行時間約為ACA-BS的一半。兩種算法獲得的波段子集的類別可分性大小較為接近,但PACA-BS獲得的波段子集的信息量和總體分類精度優(yōu)于ACA-BS。研究表明PACA-BS是一種效率較高的高光譜波段選擇算法。
【作者單位】: 中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所;中國科學院大學;
【關(guān)鍵詞】: 高光譜 降維 波段選擇 蟻群算法 多態(tài)蟻群算法
【基金】:國家重大專項(21-Y30B05-9001-13/15-2) 國家自然科學基金項目(41271196,41301465)
【分類號】:TP751;TP18
【正文快照】: 2.中國科學院大學,北京100049)1引言高光譜遙感技術(shù)誕生于20世紀80年代,是當前遙感學科中的前沿領(lǐng)域之一。高光譜遙感影像具有波段多、光譜分辨率高、波譜連續(xù)及“圖譜合一”等優(yōu)勢[1]。高光譜遙感發(fā)展至今,其光譜分辨率已達納米量級,空間分辨率也得到了極大提升[2]。例如,機
【參考文獻】
中國期刊全文數(shù)據(jù)庫 前1條
1 臧卓;林輝;楊敏華;;ICA與PCA在高光譜數(shù)據(jù)降維分類中的對比研究[J];中南林業(yè)科技大學學報;2011年11期
【共引文獻】
中國期刊全文數(shù)據(jù)庫 前7條
1 郭學蘭;楊敏華;毛軍;周秋琳;;基于波段子集的獨立分量分析的特征提取的高光譜遙感影像分類[J];測繪與空間地理信息;2013年04期
2 邱琳;林輝;孫華;臧卓;莫登奎;;基于高光譜數(shù)據(jù)的東洞庭湖苔草LAI估算研究[J];中南林業(yè)科技大學學報;2012年07期
3 劉剛;張雨;臧卓;嚴恩萍;;多源遙感數(shù)據(jù)森林信息的提取和比較分析[J];中南林業(yè)科技大學學報;2012年10期
4 張雨;林輝;臧卓;嚴恩萍;東啟亮;;高光譜遙感影像森林信息提取方法比較[J];中南林業(yè)科技大學學報;2013年01期
5 林娜;楊武年;王斌;;高光譜遙感影像核最小噪聲分離變換特征提取[J];武漢大學學報(信息科學版);2013年08期
6 張雨;林輝;臧卓;嚴恩萍;東啟亮;邱琳;;基于MODIS數(shù)據(jù)的遼寧省土地利用分類研究[J];西南林業(yè)大學學報;2014年01期
7 陳宇;許莉薇;;基于優(yōu)化LM模糊神經(jīng)網(wǎng)絡(luò)的不均衡林業(yè)信息文本分類算法[J];中南林業(yè)科技大學學報;2015年04期
中國博士學位論文全文數(shù)據(jù)庫 前1條
1 臧卓;南方主要喬木樹種高光譜數(shù)據(jù)降維組合分類算法研究[D];中南大學;2013年
中國碩士學位論文全文數(shù)據(jù)庫 前4條
1 郭學蘭;基于LS-SVM模型的高光譜影像分類的研究[D];中南大學;2013年
2 陳冰潔;基于ICA與Gabor算法的人臉識別方法研究[D];大連理工大學;2014年
3 耿云志;母胎心電信號的盲源分離研究[D];浙江大學;2015年
4 程迪;基于HJ-HSI高光譜影像的狼毒遙感提取研究[D];西北大學;2015年
【二級參考文獻】
中國期刊全文數(shù)據(jù)庫 前7條
1 劉智深;丁寧;趙朝方;齊敏;;主成分分析法在油熒光光譜波段選擇中的應(yīng)用[J];地理空間信息;2009年03期
2 馮燕;何明一;宋江紅;魏江;;基于獨立成分分析的高光譜圖像數(shù)據(jù)降維及壓縮[J];電子與信息學報;2007年12期
3 張亮;;基于PCA和SVM的高光譜遙感圖像分類研究[J];光學技術(shù);2008年S1期
4 蘇令華;衣同勝;萬建偉;;基于獨立分量分析的高光譜圖像壓縮[J];光子學報;2008年05期
5 趙春暉;胡春梅;石紅;;采用選擇性分段PCA算法的高光譜圖像異常檢測[J];哈爾濱工程大學學報;2011年01期
6 劉良春;馮燕;;結(jié)合純像元提取和ICA的高光譜降維方法[J];計算機應(yīng)用研究;2011年03期
7 蔡天凈;唐瀚;;Savitzky-Golay平滑濾波器的最小二乘擬合原理綜述[J];數(shù)字通信;2011年01期
【相似文獻】
中國期刊全文數(shù)據(jù)庫 前10條
1 馮永康;余華;;多光譜數(shù)據(jù)波段選擇方法試驗研究——以湖北神農(nóng)架林區(qū)為例[J];遙感信息;2009年05期
2 葛亮;王斌;張立明;;基于偏最小二乘法的高光譜圖像波段選擇[J];計算機輔助設(shè)計與圖形學學報;2011年11期
3 王立國,谷延鋒,張曄;基于支持向量機和子空間劃分的波段選擇方法[J];系統(tǒng)工程與電子技術(shù);2005年06期
4 李行;毛定山;張連蓬;;高光譜遙感影像波段選擇算法評價方法研究[J];地理與地理信息科學;2006年06期
5 楊諸勝;郭雷;羅欣;胡新韜;;一種基于主成分分析的高光譜圖像波段選擇算法[J];微電子學與計算機;2006年12期
6 于紹慧;張玉鈞;趙南京;肖雪;王歡博;;基于矩陣模式的高光譜波段選擇方法[J];光電工程;2012年06期
7 張海濤;王鶴橋;孟祥羽;武文波;;基于類對可分和灰色決策的高光譜波段選擇方法[J];計算機科學;2014年06期
8 周楊;厲小潤;趙遼英;;改進的高光譜圖像線性預測波段選擇算法[J];光學學報;2013年08期
9 溫健婷;張霞;張兵;趙冬;;土壤鉛含量高光譜遙感反演中波段選擇方法研究[J];地球科學進展;2010年06期
10 蘇紅軍;盛業(yè)華;;基于正交投影散度的高光譜遙感波段選擇算法[J];光譜學與光譜分析;2011年05期
中國重要會議論文全文數(shù)據(jù)庫 前1條
1 王藝婷;黃世奇;劉代志;陳聰;;基于統(tǒng)計排序的高光譜波段選擇方法[A];國家安全地球物理叢書(八)——遙感地球物理與國家安全[C];2012年
中國博士學位論文全文數(shù)據(jù)庫 前1條
1 夏威;高光譜遙感圖像的解混和波段選擇方法研究[D];復旦大學;2013年
中國碩士學位論文全文數(shù)據(jù)庫 前6條
1 張倩;改進的自適應(yīng)波段選擇算法研究及應(yīng)用[D];大連海事大學;2012年
2 周楊;高光譜遙感圖像波段選擇算法研究[D];浙江大學;2014年
3 楊三美;基于克隆選擇算法的高光譜圖像波段選擇[D];華中科技大學;2011年
4 夏冰;高光譜影像非監(jiān)督波段選擇技術(shù)研究[D];蘇州大學;2015年
5 鐔永強;基于多目標優(yōu)化的高光譜圖像無監(jiān)督波段選擇[D];西安電子科技大學;2014年
6 袁永福;基于粒子群和互信息的高光譜圖像波段選擇和分類[D];西安電子科技大學;2014年
,本文編號:682482
本文鏈接:http://www.sikaile.net/guanlilunwen/gongchengguanli/682482.html