【摘要】：遙感圖像的分類識(shí)別是遙感技術(shù)應(yīng)用領(lǐng)域中的關(guān)鍵技術(shù)之一,高精度的遙感圖像分類算法是解決實(shí)際問題應(yīng)用的前提。國內(nèi)外研究者將眾多的機(jī)器學(xué)習(xí)算法應(yīng)用于遙感圖像的分類研究,以期能夠提高遙感圖像的分類精度,挖掘更多有效的信息。支持向量機(jī)(SVM)算法是近年來較為流行的一種分類算法,該算法是在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上被提出的,相比于其他機(jī)器學(xué)習(xí)算法具有獨(dú)特的優(yōu)勢(shì),尤其是在處理小樣本、非線性等問題時(shí)其分類效果十分顯著,目前該算法被廣泛的應(yīng)用于各個(gè)領(lǐng)域。本文以SVM分類算法為基礎(chǔ),結(jié)合當(dāng)下應(yīng)用較為廣泛的智能優(yōu)化算法,對(duì)SVM的參數(shù)進(jìn)行優(yōu)化選取,找到更佳的參數(shù),提高遙感圖像的分類精度。文章在深入研究了粒子群算法(PSO)和遺傳算法(GA)理論的基礎(chǔ)上,分別分析了它們的優(yōu)點(diǎn)和缺點(diǎn),發(fā)現(xiàn)粒子群算法優(yōu)化SVM分類器參數(shù)時(shí),存在著容易早熟收斂,分類精度相對(duì)較低、容易陷入局部最優(yōu)解的問題,本文提出了一種以自適應(yīng)權(quán)重粒子群算法為基礎(chǔ),引入遺傳算法交叉變異算子的混合優(yōu)化算法(GA-PSO),利用這種改進(jìn)的算法優(yōu)化SVM分類器參數(shù)對(duì)遙感圖像進(jìn)行分類。本文分別以高分辨率的遙感圖像Quick Bird和中等分辨率的遙感圖像Landsat8為例,對(duì)圖像進(jìn)行預(yù)處理以及特征提取等操作,然后通過目視解譯與實(shí)地調(diào)查確認(rèn)地物類別并選取分類樣本,最后分別使用PSO-SVM算法和本文構(gòu)建的新算法(GA-PSO-SVM)進(jìn)行土地利用分類實(shí)驗(yàn),同時(shí)對(duì)兩種算法的分類精度進(jìn)行比較分析;結(jié)果表明,Quick Bird遙感圖像的平均分類精度提高了5.07%,Landsat8遙感圖像的平均分類精度提高了6.32%;實(shí)驗(yàn)證明,構(gòu)建的新算法提高了粒子群算法的搜索性能,可以尋找最佳SVM分類器的參數(shù),并且對(duì)高分辨率遙感圖像和中等分辨率遙感圖像均有較好的適應(yīng)性,能夠獲得較高的分類精度,是一種有效的方法。
【學(xué)位授予單位】：湖南農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP751;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 劉希亮;趙學(xué)勝;陸鋒;孫文彬;;基于GA-SVM的露天礦拋擲爆破拋擲率預(yù)測(cè)[J];煤炭學(xué)報(bào);2012年12期

2 汪海燕;黎建輝;楊風(fēng)雷;;支持向量機(jī)理論及算法研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2014年05期

3 林怡;劉冰;陳映鷹;潘琛;;多特征差分核支持向量機(jī)遙感影像變化檢測(cè)方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年08期

4 張俊紅;劉昱;馬文朋;馬梁;李林潔;;基于GAPSO-SVM的航空發(fā)動(dòng)機(jī)典型故障診斷[J];天津大學(xué)學(xué)報(bào);2012年12期

5 馬永杰;云文霞;;遺傳算法研究進(jìn)展[J];計(jì)算機(jī)應(yīng)用研究;2012年04期

6 余梓唐;;基于粒子群算法優(yōu)化支持向量機(jī)汽車故障診斷研究[J];計(jì)算機(jī)應(yīng)用研究;2012年02期

7 臧卓;林輝;楊敏華;;基于PSO-SVM的高光譜數(shù)據(jù)降維的可靠性研究[J];中國農(nóng)學(xué)通報(bào);2011年31期

8 李剛;萬幼川;;商空間理論下面向?qū)ο蟮倪b感影像分類[J];光電工程;2011年02期

，

本文編號(hào)：2706277