收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

蚁群算法在高光谱图像降维和分类中的应用研究

周爽  
【摘要】: 高光谱遥感数据提供的丰富地表信息使得高光谱遥感的应用越来越广泛,如何充分地利用这大量的信息,以及如何在如此大量的信息中提取有用信息,并使这些信息能够为我们的应用服务,是摆在研究者面前的重要课题。降维和分类是高光谱图像处理中的两个关键技术。无论是高光谱图像的降维,还是高光谱图像的分类,其根本都是要从大量的高光谱数据中提取出能够满足人们需要的特定或要求的信息,而这些信息的提取综合起来都可以说是一个信息的组合优化处理过程。蚁群算法作为一种群智能仿生优化新技术,其突出特点是自组织性、鲁棒性、并行性,非常适合于求解非确定性的离散组合优化问题。本文在分析高光谱图像的光谱分辨率特性、空间相关性、谱间相关性、数据维、信息量等特性的基础上,重点分析了蚁群算法在高光谱图像处理中的应用,证明了蚁群算法完全适用于高光谱图像的降维和分类处理。 高光谱图像的降维包括波段选择和特征提取两种方式。本文提出一种基于蚁群算法的高光谱图像波段选择方法,以解决最优波段选择算法复杂度高,计算量大的问题。将每个波段看作是蚂蚁觅食时所经过的节点,选取不同的评价函数作为蚂蚁选择路径的依据,应用蚁群算法选择出多次搜索中最优的一组波段组合。蚂蚁寻找最优路径的过程,就是最优波段组合的形成过程。通过蚁群算法从众多的光谱波段中挑选出能够反映地物光谱空间分布的特征波段,形成降维的波段子空间达到了降低高光谱图像数据维的目的。 接着,利用高光谱图像高度相关的波段成组出现的特点,提出一种基于蚁群算法的高光谱图像子空间分解方法,在子空间中采用特征变换的方式降低高光谱特征空间的维数。该方法同样将波段作为蚂蚁觅食时经过的节点,蚂蚁依据波段之间的相关性来决定路径的选择,蚂蚁经过优化搜索之后将高维高光谱数据空间分解为几个较低维的数据子空间,再采用传统的主成分分析方法在子空间中提取有效特征,进而实现对高光谱图像的降维。 高光谱图像的分类方法包括监督分类和非监督分类两种。本文提出一种基于蚁群算法的高光谱图像监督分类方法。该方法先依据图像的信息熵将高光谱图像各个波段的单幅图像中的灰度属性分段离散化,然后将这些离散化的灰度属性作为条件项并集合到一起形成一个备选条件项数据集。在训练样本中,将高光谱图像各个波段数据经过离散化后形成的条件项当作蚂蚁的候选路径节点,用条件项的信息熵作为蚂蚁路径转移的启发函数。经过蚂蚁的迭代搜索,每只蚂蚁都构造出一条分类规则,通过信息素浓度的调整,将蚂蚁们构造的规则中质量较好的规则保留下来,而质量不好的规则则在搜索过程中逐渐被淘汰。在所有训练用的地物类别都被归类之后,最终形成用于分类的分类规则。 最后,提出一种基于蚂蚁化学识别系统的蚁群聚类算法。该聚类算法依据蚂蚁之间的相似程度来决定蚂蚁的类别归属,最终相似程度高的蚂蚁可以聚集成一类。在该算法中,遥感图像中的每个像素都被看作是一只蚂蚁,该蚂蚁所携带的信息除其所代表的像素点的各波段光谱信息外,还包括所属类别的标号,类别属性等信息。本文依据基于蚁群算法的高光谱图像波段选择方法获得的选择结果,从中提取若干个特征波段作为数据源,采用上述聚类方法进行实验,并与传统的k均值算法比较实验结果。为了客观地评价聚类结果的优劣,本文综合考虑了聚类算法本身的聚类性能,即类内距,类间距,以及聚类图像与标准图像的相关度,提出一种综合上述参数的聚类图像客观评价指标,并应用该指标对本文提出的聚类算法和传统的k均值算法所获得的图像作出了客观评价。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 吴传庆,童庆禧,郑兰芬;基于小波变换的高光谱图像消噪[J];遥感信息;2005年04期
2 张立燕;谌德荣;李世义;曹旭平;;基于低概率检测的高光谱图像有损压缩方法研究[J];弹箭与制导学报;2008年01期
3 李杰;赵春晖;梅锋;;利用背景残差数据检测高光谱图像异常[J];红外与毫米波学报;2010年02期
4 李婷;陈小梅;陈刚;薛博;倪国强;;一种双正则项全变差高光谱图像去噪算法[J];光谱学与光谱分析;2011年01期
5 王晋;张晓玲;沈兰荪;柴焱;;一种基于网格编码量化的高光谱图像无损压缩方法[J];中国图象图形学报;2006年01期
6 谷延锋;刘颖;贾友华;张晔;;基于光谱解译的高光谱图像奇异检测算法[J];红外与毫米波学报;2006年06期
7 王晋;张晓玲;柴焱;沈兰荪;;一种基于自适应预测的高光谱图像近无损压缩方法[J];计算机应用研究;2007年05期
8 谌德荣;张立燕;陶鹏;曹旭平;;结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法[J];宇航学报;2007年03期
9 张立燕;谌德荣;陶鹏;;基于顶点成分分析的高光谱图像低概率异常检测方法研究[J];宇航学报;2007年05期
10 陈雨时;张晔;谷延锋;;基于特征选择的高光谱图像快速矢量量化算法[J];哈尔滨工业大学学报;2007年11期
11 张立燕;谌德荣;陶鹏;;端元提取技术在高光谱图像压缩中的应用[J];光谱学与光谱分析;2008年07期
12 程翥;粘永健;辛勤;万建伟;;基于三维整数小波与自适应预测的高光谱图像压缩研究[J];计算机工程与科学;2009年04期
13 赵春晖;王楠楠;;基于背景抑制及顶点成分分析的高光谱异常小目标检测[J];应用科技;2009年09期
14 孙蕾;谷德峰;罗建书;;最佳递归双向预测的高光谱图像无损压缩[J];光学精密工程;2009年11期
15 张翔;;基于光谱特征增强的高光谱图像地物目标识别[J];红外技术;2010年12期
16 吴泽彬;韦志辉;孙乐;刘建军;;基于迭代加权L1正则化的高光谱混合像元分解[J];南京理工大学学报;2011年04期
17 赖兆强;彭永丰;谭毅华;田金文;;基于重组的DPCM和位平面编码的高光谱图像压缩方案[J];计算机与数字工程;2006年10期
18 杨诸胜;郭雷;罗欣;胡新韬;;一种基于主成分分析的高光谱图像波段选择算法[J];微电子学与计算机;2006年12期
19 陈雨时;张晔;张钧萍;;基于线性模型最优预测的高光谱图像压缩[J];南京航空航天大学学报;2007年03期
20 佘红伟;张艳宁;袁和金;;一种无监督高光谱图像分类算法[J];中国图象图形学报;2008年06期
中国重要会议论文全文数据库 前10条
1 高云;李小昱;刘长举;周竹;;基于高光谱图像技术的霉烂板栗识别研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
2 高洪燕;毛罕平;张晓东;周莹;;番茄叶片氮素反射光谱及高光谱图像的研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
3 高连如;张兵;孙旭;李山山;张文娟;;高光谱数据降维与分类技术研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
4 罗春生;薛龙;刘木华;黎静;;基于荧光高光谱图像检测鸭肉嫩度的初步研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
5 刘超;何元磊;黄世奇;刘志刚;王长海;;一种新的高光谱图像有监督特征提取方法[A];国家安全地球物理丛书(六)——空间地球物理环境与国家安全[C];2010年
6 何元磊;黄世奇;易世华;刘志刚;齐玮;;一种基于噪声调节主成分分析的高光谱图像波段选择方法[A];国家安全地球物理丛书(六)——空间地球物理环境与国家安全[C];2010年
7 薛龙;黎静;刘木华;;IDL与ENVI的二次开发在高光谱图像预处理的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
8 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年
9 吴传庆;童庆禧;郑兰芬;张兵;赵永超;张霞;;基于小波变换的高光谱图像消噪[A];成像光谱技术与应用研讨会论文集[C];2002年
10 陶斐斐;李永玉;王伟;彭彦昆;;基于高光谱成像技术快速无损伤评价猪肉新鲜度[A];中国食品科学技术学会第八届年会暨第六届东西方食品业高层论坛论文摘要集[C];2011年
中国博士学位论文全文数据库 前10条
1 梅锋;基于核机器学习的高光谱异常目标检测算法研究[D];哈尔滨工程大学;2009年
2 高恒振;高光谱遥感图像分类技术研究[D];国防科学技术大学;2011年
3 石吉勇;基于高光谱图像技术的设施栽培作物营养元素亏缺诊断研究[D];江苏大学;2012年
4 姚伏天;基于高斯过程的高光谱图像分类研究[D];浙江大学;2011年
5 齐滨;高光谱图像分类及端元提取方法研究[D];哈尔滨工程大学;2012年
6 王晓飞;高光谱图像分辨率增强及在小目标检测中的应用研究[D];哈尔滨工业大学;2011年
7 成宝芝;基于光谱特性的高光谱图像异常目标检测算法研究[D];哈尔滨工程大学;2012年
8 赵芸;基于高光谱和图像处理技术的油菜病虫害早期监测方法和机理研究[D];浙江大学;2013年
9 陈进;高光谱图像分类方法研究[D];国防科学技术大学;2010年
10 谭琨;基于支持向量机的高光谱遥感影像分类研究[D];中国矿业大学;2010年
中国硕士学位论文全文数据库 前10条
1 邵涛;基于光谱信息的高光谱图像目标识别方法的研究[D];哈尔滨工业大学;2010年
2 唐雪飞;基于案例推理的高光谱图像分类研究[D];哈尔滨工业大学;2010年
3 李江;基于图像融合的高光谱图像分类[D];华中科技大学;2012年
4 陈克清;迷彩伪装服的高光谱特性研究[D];东华大学;2014年
5 周伟;基于像面干涉的高光谱显微成像技术研究[D];南京理工大学;2014年
6 胡倩;基于知识的高光谱图像波谱匹配技术研究与应用[D];中国地质大学(北京);2010年
7 包海燕;高光谱溢油图像分类算法研究[D];大连海事大学;2011年
8 孙旭光;基于高光谱图像目标探测与分类技术研究[D];中国科学院研究生院(光电技术研究所);2013年
9 殷晓平;基于高光谱图像的黄瓜叶片叶绿素含量及其分布预测研究[D];江苏大学;2010年
10 肖倩;结合空间信息与光谱信息的高光谱图像分类研究[D];哈尔滨工程大学;2013年
中国重要报纸全文数据库 前4条
1 张红菊;农田:安装“听诊器”[N];科技日报;2004年
2 张向冰 李青滨;我国海洋遥感发展突飞猛进[N];中国海洋报;2003年
3 本报记者 瞿剑;地下煤火:“静悄悄”的灾害怎样应对?[N];科技日报;2009年
4 张彦;“数字省市”颠覆城市区域经济[N];经理日报;2004年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978