發(fā)布時(shí)間：2020-08-26 03:13

【摘要】：成像光譜儀的發(fā)展推進(jìn)了高光譜遙感時(shí)代的到來,為遙感科學(xué)技術(shù)領(lǐng)域提供了新的研究方向。高光譜遙感影像具有“圖譜合一”的特點(diǎn),且其光譜波段多可在某一光譜范圍內(nèi)連續(xù)成像,結(jié)合較高的光譜分辨率可為地物目標(biāo)提高連續(xù)的、精細(xì)的光譜曲線,為高光譜遙感實(shí)現(xiàn)地物精細(xì)探測(cè)提供了基礎(chǔ)。然而高光譜遙感影像豐富的空間、光譜、輻射信息也給遙感影像的處理帶來了困難和挑戰(zhàn),如高光譜遙感影像波段數(shù)多、波段間相關(guān)性強(qiáng),易造成“維度災(zāi)害”而導(dǎo)致目標(biāo)地物的識(shí)別率和分類精度低等問題,因此,如何對(duì)高光譜遙感影像進(jìn)行降維,提高影像的分類精度便具有重要意義。針對(duì)高光譜遙感影像波段選擇過程中搜索策略的選擇問題,提出一種混沌杜鵑搜索算法,該算法充分運(yùn)用混沌映射和杜鵑搜索算法的搜索特性,首先利用杜鵑搜索算法對(duì)種群進(jìn)行全部?jī)?yōu)化,獲得幾組較優(yōu)解;然后采用混沌映射對(duì)其進(jìn)行隨機(jī)擾動(dòng),快速獲取最優(yōu)解。實(shí)驗(yàn)結(jié)果表明該算法與遺傳算法、粒子群算法和基本杜鵑搜索算法相比搜索能力更強(qiáng),改善了傳統(tǒng)的全局搜索算法易陷入局部極值的問題。針對(duì)高光譜遙感影像波段數(shù)多、波段間相關(guān)性強(qiáng)的問題,將提出的混沌杜鵑搜索算法應(yīng)用于高光譜遙感影像的波段選擇中。將高光譜遙感影像的波段選擇問題抽象成杜鵑鳥巢寄生繁殖時(shí)對(duì)宿主鳥巢位置進(jìn)行搜索的過程,利用杜鵑搜索算法較強(qiáng)的全局搜索能力和混沌映射收斂速度快且避免陷入局部極值的特點(diǎn),對(duì)高光譜遙感影像進(jìn)行波段選擇。首先,對(duì)高光譜遙感影像進(jìn)行不固定波段數(shù)的隨機(jī)選擇,以此縮小目標(biāo)波段數(shù)范圍,然后在此范圍內(nèi)根據(jù)“hughes”現(xiàn)象確定影像分類精度最高時(shí)對(duì)應(yīng)的目標(biāo)波段數(shù),最后進(jìn)行固定波段數(shù)的波段子集選擇。實(shí)驗(yàn)結(jié)果表明,該算法最終所選的波段數(shù)較原始波段減少了近98%的特征數(shù),且獲得了較高的分類精度,在高光譜遙感影像的波段選擇中具有普適性。針對(duì)高光譜遙感影像分類過程中,客觀因素導(dǎo)致的標(biāo)記樣本數(shù)量少,從而引起影像分類精度不高的問題,提出一種空譜信息結(jié)合的tri-training半監(jiān)督分類方法。將高光譜遙感影像的空間鄰域信息和光譜角距離SAM引入標(biāo)準(zhǔn)tri-training協(xié)同訓(xùn)練過程中,通過標(biāo)記樣本的8鄰域信息及其與未標(biāo)記樣本的光譜角距離SAM進(jìn)行未標(biāo)記樣本的二次篩選,以三個(gè)隨機(jī)森林基分類器進(jìn)行集成分類。實(shí)驗(yàn)結(jié)果表明,結(jié)合空譜信息的選擇策略添加的未標(biāo)記樣本置信度準(zhǔn)確,大大提高了分類器的泛化能力,提高了影像的分類精度。
【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：P237
【圖文】：

段選擇實(shí)驗(yàn)。混沌杜鵑搜索算法的基本思想為：在一次迭代更新鳥巢位置過程中，逡逑首先利用杜鵑搜索算法對(duì)種群進(jìn)行全部?jī)?yōu)化，獲得幾組較優(yōu)解；然后采用混沌映逡逑射對(duì)其進(jìn)行隨機(jī)擾動(dòng)，快速獲取最優(yōu)解。混沌杜鵑搜索算法的整體流程如下圖３－逡逑１所示：逡逑２４逡逑

去除噪聲波段和水吸收波段后，共有１９１個(gè)波段。根據(jù)該實(shí)驗(yàn)區(qū)的真實(shí)地物報(bào)告，逡逑選取七類典型地物進(jìn)行樣本點(diǎn)的提取，并設(shè)置訓(xùn)練樣本／測(cè)試樣本比例為５０％／５０％逡逑進(jìn)行實(shí)驗(yàn)。ＨＹＤＩＣＥ邋Ｗａｓｈｉｎｇｔｏｎ邋ＤＣ邋Ｍａｌｌ數(shù)據(jù)的假彩色影像如圖３－２所示。逡逑ｍｍ逡逑圖３－２邋ＨＹＤＩＣＥ邋Ｗａｓｈｉｎｇｔｏｎ邋ＤＣ邋Ｍａｌｌ數(shù)據(jù)的假彩色影像圖逡逑首先對(duì)該影像進(jìn)行不固定波段數(shù)的隨機(jī)選擇，圖３－３為目標(biāo)函數(shù)值隨迭代次逡逑數(shù)的變化曲線圖，圖中遺傳算法、粒子群算法和杜鵑搜索算法的變化曲線相近，逡逑混沌杜鵑搜索算法較其他三種算法目標(biāo)函數(shù)值更高，所選波段數(shù)也更少，同時(shí)混逡逑沌杜鵑搜索算法曲線的變化幅度較其他三種算法更大，表明混沌杜鵑搜索算法的逡逑搜索范圍更大，搜索能力更強(qiáng)。表３－１為不同算法迭代終止時(shí)目標(biāo)函數(shù)值、總體逡逑分類精度、所選波段數(shù)和運(yùn)行時(shí)間的比較，表中數(shù)據(jù)可看出混沌杜鵑搜索算法較逡逑其他三種算法優(yōu)化性能更好，較遺傳算法、粒子群算法運(yùn)行時(shí)間雖較長(zhǎng)，但目標(biāo)逡逑函數(shù)值和總體分類精度更高

數(shù)的實(shí)驗(yàn)結(jié)果為基礎(chǔ)，縮小目標(biāo)波段數(shù)范圍為１－２６，然后在該范圍內(nèi)分別固定波逡逑段數(shù)為１，２，…，２６進(jìn)行混沌杜鵑搜索算法的波段選擇實(shí)驗(yàn)，根據(jù)目標(biāo)函數(shù)值的變逡逑化從而確定最終所選波段數(shù)，實(shí)驗(yàn)結(jié)果如圖３－４所示。逡逑２７逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王立國(guó);趙亮;劉丹鳳;;基于人工蜂群算法高光譜圖像波段選擇[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2015年11期

2 孫彥慧;張立毅;陳雷;李鏘;滕建輔;劉靜光;;基于布谷鳥搜索算法的高光譜圖像解混算法[J];光電子·激光;2015年09期

3 尚坤;張霞;孫艷麗;張立福;王樹東;莊智;;基于植被特征庫的高光譜植被精細(xì)分類（英文）[J];光譜學(xué)與光譜分析;2015年06期

4 秦方普;張愛武;王書民;孟憲剛;胡少興;孫衛(wèi)東;;基于譜聚類與類間可分性因子的高光譜波段選擇[J];光譜學(xué)與光譜分析;2015年05期

5 黃濤;李小昱;金瑞;庫靜;徐森淼;徐夢(mèng)玲;武振中;孔德國(guó);;半透射高光譜結(jié)合流形學(xué)習(xí)算法同時(shí)識(shí)別馬鈴薯內(nèi)外部缺陷多項(xiàng)指標(biāo)[J];光譜學(xué)與光譜分析;2015年04期

6 丁婭萍;陳仲新;;基于最小距離法的RADARSAT-2遙感數(shù)據(jù)旱地作物識(shí)別[J];中國(guó)農(nóng)業(yè)資源與區(qū)劃;2014年06期

7 仇建斌;李士進(jìn);朱躍龍;萬定生;;基于曲線形狀特征的快速高光譜圖像波段選擇[J];小型微型計(jì)算機(jī)系統(tǒng);2014年08期

8 張磊;邵振峰;周熙然;丁霖;;聚類特征和SVM組合的高光譜影像半監(jiān)督協(xié)同分類[J];測(cè)繪學(xué)報(bào);2014年08期

9 劉嘉敏;羅甫林;黃鴻;劉亦哲;;應(yīng)用相關(guān)近鄰局部線性嵌入算法的高光譜遙感影像分類[J];光學(xué)精密工程;2014年06期

10 劉e

本文編號(hào)：2804597