基于多态蚁群算法的高光谱遥感影像最优波段选择

发布时间：2017-08-16 09:19

  本文关键词：基于多态蚁群算法的高光谱遥感影像最优波段选择

  更多相关文章： 高光谱 降维 波段选择 蚁群算法 多态蚁群算法

【摘要】：由于传统蚁群算法搜索空间大,算法时间复杂度高等,导致基于传统蚁群算法的高光谱数据波段选择算法(ACA-BS)耗时长,算法效率低下,且易陷入局部最优。而多态蚁群算法能大大缩小算法的搜索空间,降低算法时间复杂度。因此,研究设计了基于多态蚁群算法的高光谱数据波段选择算法(PACA-BS)。从算法运行时间、波段子集的类别可分性及信息量、总体分类精度等方面对算法进行对比分析。用于实验的数据为Hyperion和AVIRIS高光谱影像。实验结果表明:PACA-BS的运行时间较ACA-BS大大减少;对Hyperion影像进行降维时,基于PACA-BS的运行时间约为ACA-BS的一半。两种算法获得的波段子集的类别可分性大小较为接近,但PACA-BS获得的波段子集的信息量和总体分类精度优于ACA-BS。研究表明PACA-BS是一种效率较高的高光谱波段选择算法。
【作者单位】： 中国科学院东北地理与农业生态研究所;中国科学院大学;
【关键词】： 高光谱 降维 波段选择 蚁群算法 多态蚁群算法
【基金】：国家重大专项(21-Y30B05-9001-13/15-2) 国家自然科学基金项目(41271196,41301465)
【分类号】：TP751;TP18
【正文快照】： 2.中国科学院大学,北京100049)1引言高光谱遥感技术诞生于20世纪80年代,是当前遥感学科中的前沿领域之一。高光谱遥感影像具有波段多、光谱分辨率高、波谱连续及“图谱合一”等优势[1]。高光谱遥感发展至今,其光谱分辨率已达纳米量级,空间分辨率也得到了极大提升[2]。例如,机

【参考文献】

中国期刊全文数据库 前1条

1 臧卓;林辉;杨敏华;;ICA与PCA在高光谱数据降维分类中的对比研究[J];中南林业科技大学学报;2011年11期

【共引文献】

中国期刊全文数据库 前7条

1 郭学兰;杨敏华;毛军;周秋琳;;基于波段子集的独立分量分析的特征提取的高光谱遥感影像分类[J];测绘与空间地理信息;2013年04期

2 邱琳;林辉;孙华;臧卓;莫登奎;;基于高光谱数据的东洞庭湖苔草LAI估算研究[J];中南林业科技大学学报;2012年07期

3 刘刚;张雨;臧卓;严恩萍;;多源遥感数据森林信息的提取和比较分析[J];中南林业科技大学学报;2012年10期

4 张雨;林辉;臧卓;严恩萍;东启亮;;高光谱遥感影像森林信息提取方法比较[J];中南林业科技大学学报;2013年01期

5 林娜;杨武年;王斌;;高光谱遥感影像核最小噪声分离变换特征提取[J];武汉大学学报(信息科学版);2013年08期

6 张雨;林辉;臧卓;严恩萍;东启亮;邱琳;;基于MODIS数据的辽宁省土地利用分类研究[J];西南林业大学学报;2014年01期

7 陈宇;许莉薇;;基于优化LM模糊神经网络的不均衡林业信息文本分类算法[J];中南林业科技大学学报;2015年04期

中国博士学位论文全文数据库 前1条

1 臧卓;南方主要乔木树种高光谱数据降维组合分类算法研究[D];中南大学;2013年

中国硕士学位论文全文数据库 前4条

1 郭学兰;基于LS-SVM模型的高光谱影像分类的研究[D];中南大学;2013年

2 陈冰洁;基于ICA与Gabor算法的人脸识别方法研究[D];大连理工大学;2014年

3 耿云志;母胎心电信号的盲源分离研究[D];浙江大学;2015年

4 程迪;基于HJ-HSI高光谱影像的狼毒遥感提取研究[D];西北大学;2015年

【二级参考文献】

中国期刊全文数据库 前7条

1 刘智深;丁宁;赵朝方;齐敏;;主成分分析法在油荧光光谱波段选择中的应用[J];地理空间信息;2009年03期

2 冯燕;何明一;宋江红;魏江;;基于独立成分分析的高光谱图像数据降维及压缩[J];电子与信息学报;2007年12期

3 张亮;;基于PCA和SVM的高光谱遥感图像分类研究[J];光学技术;2008年S1期

4 苏令华;衣同胜;万建伟;;基于独立分量分析的高光谱图像压缩[J];光子学报;2008年05期

5 赵春晖;胡春梅;石红;;采用选择性分段PCA算法的高光谱图像异常检测[J];哈尔滨工程大学学报;2011年01期

6 刘良春;冯燕;;结合纯像元提取和ICA的高光谱降维方法[J];计算机应用研究;2011年03期

7 蔡天净;唐瀚;;Savitzky-Golay平滑滤波器的最小二乘拟合原理综述[J];数字通信;2011年01期

【相似文献】

中国期刊全文数据库 前10条

1 冯永康;余华;;多光谱数据波段选择方法试验研究——以湖北神农架林区为例[J];遥感信息;2009年05期

2 葛亮;王斌;张立明;;基于偏最小二乘法的高光谱图像波段选择[J];计算机辅助设计与图形学学报;2011年11期

3 王立国,谷延锋,张晔;基于支持向量机和子空间划分的波段选择方法[J];系统工程与电子技术;2005年06期

4 李行;毛定山;张连蓬;;高光谱遥感影像波段选择算法评价方法研究[J];地理与地理信息科学;2006年06期

5 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

6 于绍慧;张玉钧;赵南京;肖雪;王欢博;;基于矩阵模式的高光谱波段选择方法[J];光电工程;2012年06期

7 张海涛;王鹤桥;孟祥羽;武文波;;基于类对可分和灰色决策的高光谱波段选择方法[J];计算机科学;2014年06期

8 周杨;厉小润;赵辽英;;改进的高光谱图像线性预测波段选择算法[J];光学学报;2013年08期

9 温健婷;张霞;张兵;赵冬;;土壤铅含量高光谱遥感反演中波段选择方法研究[J];地球科学进展;2010年06期

10 苏红军;盛业华;;基于正交投影散度的高光谱遥感波段选择算法[J];光谱学与光谱分析;2011年05期

中国重要会议论文全文数据库 前1条

1 王艺婷;黄世奇;刘代志;陈聪;;基于统计排序的高光谱波段选择方法[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

中国博士学位论文全文数据库 前1条

1 夏威;高光谱遥感图像的解混和波段选择方法研究[D];复旦大学;2013年

中国硕士学位论文全文数据库 前6条

1 张倩;改进的自适应波段选择算法研究及应用[D];大连海事大学;2012年

2 周杨;高光谱遥感图像波段选择算法研究[D];浙江大学;2014年

3 杨三美;基于克隆选择算法的高光谱图像波段选择[D];华中科技大学;2011年

4 夏冰;高光谱影像非监督波段选择技术研究[D];苏州大学;2015年

5 镡永强;基于多目标优化的高光谱图像无监督波段选择[D];西安电子科技大学;2014年

6 袁永福;基于粒子群和互信息的高光谱图像波段选择和分类[D];西安电子科技大学;2014年

，

本文编号：682482