本文選題：遙感影像分類 + 蟻群規(guī)則挖掘�。� 參考：《測(cè)繪地理信息》2016年06期

【摘要】：為了進(jìn)一步發(fā)掘蟻群算法的應(yīng)用潛力,提高分類精度,將相關(guān)性引入分類規(guī)則發(fā)掘過程,試圖在蟻群算法挖掘規(guī)則時(shí)既考慮像元的光譜信息,又兼顧?quán)徑裨叶鹊目臻g相關(guān)性,提出了一種優(yōu)化的蟻群算法。算法包括對(duì)單個(gè)像元的分類規(guī)則挖掘和顧及鄰域像元相關(guān)性的分類規(guī)則挖掘,單個(gè)像元的分類規(guī)則挖掘中,為使信息素緩和增加,避免陷入局部最優(yōu)解,同時(shí)保證算法具有適當(dāng)?shù)氖諗克俣?采用自適應(yīng)方案調(diào)整參數(shù)。顧及鄰域像元相關(guān)性的分類規(guī)則挖掘中選用了優(yōu)勢(shì)類、優(yōu)勢(shì)度、類熵和鄰域類相關(guān)性等4個(gè)指標(biāo),以反映鄰域相關(guān)性對(duì)分類結(jié)果的影響。實(shí)驗(yàn)研究發(fā)現(xiàn),顧及鄰域蟻群算法的分類結(jié)果精度有了較為明顯的提高,總體精度提高了3.00%,其優(yōu)勢(shì)主要體現(xiàn)在對(duì)建設(shè)用地、裸地等復(fù)雜地物的識(shí)別。研究結(jié)果表明,顧及鄰域蟻群算法能夠更準(zhǔn)確地提取光譜信息復(fù)雜的地物,有效地減弱同物異譜和異物同譜現(xiàn)象的干擾。
[Abstract]:In order to further explore the application potential of ant colony algorithm and improve classification accuracy, correlation is introduced into the process of classification rules mining, and the spectral information of pixel is taken into account when mining rules in ant colony algorithm. Considering the spatial correlation of adjacent pixels, an optimized ant colony algorithm is proposed. The algorithm includes classification rules mining for single pixel and classification rule mining considering neighborhood pixel correlation. In single pixel classification rule mining, pheromones can be added to avoid falling into local optimal solution. At the same time, the adaptive scheme is used to adjust the parameters to ensure that the algorithm has a proper convergence rate. In order to reflect the influence of neighborhood correlation on classification results, four indexes are selected in the mining of classification rules that take into account the correlation of neighborhood pixel, such as dominant class, dominance degree, class entropy and neighborhood class correlation. The experimental results show that the classification accuracy of considering the neighborhood ant colony algorithm has been improved obviously and the overall accuracy has been improved by 3.00. The advantages of the algorithm are mainly reflected in the identification of complex ground objects such as construction land bare land and so on. The results show that considering the neighborhood ant colony algorithm, the complex objects with complex spectral information can be extracted more accurately, and the interference of isospectral and foreign body isospectral phenomena can be effectively reduced.
【作者單位】： 湖南省第一測(cè)繪院;衡陽師范學(xué)院城市與旅游學(xué)院;湖南省古村古鎮(zhèn)文化遺產(chǎn)數(shù)字化傳承協(xié)同創(chuàng)新中心;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(41471118) 教育部人文社科資助項(xiàng)目(11YJZH255)~~
【分類號(hào)】：P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈坤;李強(qiáng)子;田亦陳;吳炳方;;遙感影像分類方法研究進(jìn)展[J];光譜學(xué)與光譜分析;2011年10期

2 朱丹瑤;;遙感影像分類方法研究[J];黑龍江科技信息;2012年33期

3 劉萌偉;曾廣鴻;袁國(guó)輝;裴亞波;楊子力;;基于基因表達(dá)式編程的遙感影像分類方法研究[J];安陽工學(xué)院學(xué)報(bào);2013年04期

4 孫立新,羅高平,張怡梅;遙感影像分類的歸類學(xué)習(xí)方法[J];測(cè)繪工程;1998年03期

5 李爽,丁圣彥,許叔明;遙感影像分類方法比較研究[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年02期

6 黃艷;張超;蘇偉;岳安志;;合理尺度紋理分析遙感影像分類方法研究[J];國(guó)土資源遙感;2008年04期

7 余潔;郭培煌;陳品祥;張中山;軟文斌;;基于改進(jìn)的模糊c-均值聚類方法遙感影像分類研究(英文)[J];Geo-Spatial Information Science;2008年02期

8 溫兆飛;張樹清;陳春;劉春悅;李曉峰;李華朋;;三江源區(qū)湖泊和沼澤遙感影像分類研究[J];濕地科學(xué);2010年02期

9 付博;謝振紅;鄧彩群;;改進(jìn)的角度余弦方法在濕地遙感影像分類中的應(yīng)用[J];吉林建筑工程學(xué)院學(xué)報(bào);2010年04期

10 胡杏花;朱谷昌;徐文海;劉歡;李智峰;鄭緯;;基于分形紋理的遙感影像分類研究[J];礦床地質(zhì);2010年S1期

相關(guān)會(huì)議論文 前10條

1 劉忠陽;陳懷亮;杜子璇;鄒春輝;;基于決策樹方法的Landsat7 ETM+遙感影像分類研究[A];農(nóng)業(yè)生態(tài)與衛(wèi)星遙感應(yīng)用技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2006年

2 王珊珊;季民;高潔;焦其松;;CBR方法在高分辨率遙感影像分類中的應(yīng)用[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

3 湯家法;;基于可拓分類器的遙感影像分類[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

4 巫兆聰;;RBF網(wǎng)絡(luò)的粗糙表示與遙感影像分類應(yīng)用[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

5 楊劍;蒲英霞;何一鳴;;基于Getis的遙感影像分類研究[A];中國(guó)地理學(xué)會(huì)百年慶典學(xué)術(shù)論文摘要集[C];2009年

6 趙泉華;宋偉東;鮑勇;;基于分形紋理的BP神經(jīng)網(wǎng)絡(luò)遙感影像分類[A];中國(guó)儀器儀表學(xué)會(huì)第九屆青年學(xué)術(shù)會(huì)議論文集[C];2007年

7 王梁;韓坤英;;分形理論在遙感影像分類中的應(yīng)用[A];第十二屆全國(guó)數(shù)學(xué)地質(zhì)與地學(xué)信息學(xué)術(shù)研討會(huì)論文集[C];2013年

8 汪東川;龔建華;張利輝;;基于時(shí)間序列軌跡分析的遙感影像分類結(jié)果聯(lián)合校正[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

9 羅小波;劉明皓;;基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)遙感影像分類[A];2006年中國(guó)土地學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2006年

10 ;結(jié)合光譜、紋理與形狀特征的高空間分辨率遙感影像分類(英文)[A];中國(guó)測(cè)繪學(xué)會(huì)第九次全國(guó)會(huì)員代表大會(huì)暨學(xué)會(huì)成立50周年紀(jì)念大會(huì)論文集[C];2009年

相關(guān)博士學(xué)位論文 前9條

1 王巍;基于Agent的遙感影像分類方法及其應(yīng)用研究[D];中國(guó)地質(zhì)大學(xué)(北京);2016年

2 任廣波;基于半監(jiān)督學(xué)習(xí)的遙感影像分類技術(shù)研究[D];中國(guó)海洋大學(xué);2010年

3 譚琨;基于支持向量機(jī)的高光譜遙感影像分類研究[D];中國(guó)礦業(yè)大學(xué);2010年

4 巫兆聰;粗集理論在遙感影像分類中的應(yīng)用[D];武漢大學(xué);2004年

5 易俐娜;面向?qū)ο筮b感影像分類不確定性分析[D];武漢大學(xué);2011年

6 胥海威;基于改進(jìn)隨機(jī)聚類決策森林算法的遙感影像分類研究[D];中南大學(xué);2012年

7 徐盛;基于主題模型的高空間分辨率遙感影像分類研究[D];上海交通大學(xué);2012年

8 劉志剛;支撐向量機(jī)在光譜遙感影像分類中的若干問題研究[D];武漢大學(xué);2004年

9 丁勝;智能優(yōu)化算法在高光譜遙感影像分類中的應(yīng)用研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 吳聰;面向?qū)ο蟮母叻直媛蔬b感影像分類在衛(wèi)片執(zhí)法中的應(yīng)用研究[D];昆明理工大學(xué);2015年

2 周楊;面向?qū)ο蟮母叻直媛蔬b感影像分類技術(shù)研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

3 李奇峰;結(jié)合多特征描述和SVM的遙感影像分類研究[D];鄭州大學(xué);2015年

4 宋曉陽;面向?qū)ο蟮倪b感分類系統(tǒng)研究[D];南京農(nóng)業(yè)大學(xué);2014年

5 張靜;西北旱區(qū)遙感影像分類方法研究[D];西北農(nóng)林科技大學(xué);2016年

6 劉安斐;基于數(shù)據(jù)融合的遙感影像分類[D];解放軍信息工程大學(xué);2006年

7 任亞芬;面向并行環(huán)境的遙感影像分類算法設(shè)計(jì)與實(shí)現(xiàn)[D];華中科技大學(xué);2011年

8 白秀蓮;基于決策樹方法的遙感影像分類研究[D];內(nèi)蒙古師范大學(xué);2012年

9 王松妍;基于云理論的遙感影像分類方法研究[D];遼寧工程技術(shù)大學(xué);2013年

10 陳小瑜;基于空間數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)的遙感影像分類研究[D];福建師范大學(xué);2007年

，

本文編號(hào)：1897632