基于粒子群和互信息的高光谱图像波段选择和分类

发布时间：2019-08-24 12:59

【摘要】：高光谱遥感技术是上个世纪20年代发展起来的一种重要遥感技术。高光谱成像仪可以在多波段、窄间距下获得几乎连续的地物波谱图像，使得高光谱图像具有了相比传统的遥感图像更高的空间分辨率和光谱分辨率，并在农业、地质、沿海和内陆水域环境、大气研究、全球环境研究等领域得到了广泛应用。但成百乃至上千的波段也带来了数据量大、“维数灾难”、信息冗余、存在噪声波段的问题，给高光谱图像的存储、传输和处理带来了很多困难。因此，如何有效的降低高光谱图像的维数成为了高光谱图像需要解决的一个重要问题。传统的降维方法有两种，一种是特征提取，一种是特征选择。为了保留高光谱图像中特定波段的物理意义，，一般采取特征选择的方法。论文中针对高光谱图像的特点和存在的问题，在对传统的特征选择方法和分类方法研究的基础上，提出了一些新的高光谱图像的波段选择方法和半监督分类方法。本文的主要研究内容如下：（1）提出了一种基于量子粒子群和SVM分类器的高光谱图像波段选择的方法。该方法首先将传统连续域的量子粒子群算法映射到离散域，然后在离散域中搜索得到SVM的分类精度最高且所选波段个数最小的波段子集，进而从原始的波段集合中选出最相关的波段子集。（2）提出了一种基于分层聚类算法与多变量互信息结合的高光谱图像波段选择的方法。该方法首先提出一种在类标已知的情况下，采用互信息度量波段之间冗余程度的一种评价准则，然后结合分层聚类的方法，将每个波段作为一个个体，把所有的波段进行聚类，最后从每个聚类中选择出与类标互信息值最大的波段作为最后的选中波段。（3）提出了一种基于粒子群算法和最近邻原则的高光谱图像半监督分类方法。在训练样本有限的情况下，该方法利用有限的有标记样本和大量无标记样本，通过粒子群算法寻找最能代表样本真实分布的原型点，然后结合近邻原则对未知样本进行分类，从而提高分类的准确率。本文的工作得到了国家自然科学基金（61272282），“教育部新世纪优秀人才支持计划”（NCET-13-0948）和中央高校基础科研业务费（K50511020011）等项目的资助。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP751

【参考文献】