本文關(guān)鍵詞：高光譜圖像波段選取問(wèn)題的改進(jìn)算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：20世紀(jì)80年代發(fā)展起了一項(xiàng)對(duì)地觀測(cè)的新技術(shù)——高光譜技術(shù)。高光譜技術(shù)的發(fā)展主要依賴于遙感技術(shù)和光譜成像儀技術(shù)的進(jìn)步。高光譜圖像具有很高的分辨率,這是因?yàn)樗怯筛吖庾V成像儀從幾百個(gè)連續(xù)窄波段內(nèi)獲取的地物圖像,它能同時(shí)反映目標(biāo)區(qū)域的空間信息和光譜信息,這樣就使得地物的分辨更加容易。但同時(shí),高光譜圖像也是一種高維遙感圖像,其龐大的數(shù)據(jù)量給影像的分析和處理提出了挑戰(zhàn)。例如,高光譜圖像具有極高的數(shù)據(jù)冗余性,數(shù)據(jù)存儲(chǔ)空間大,運(yùn)算速度慢,且易產(chǎn)生Hughes現(xiàn)象,導(dǎo)致分類精度的下降。高光譜圖像獲得的高分辨率是以增大數(shù)據(jù)維度,增大數(shù)據(jù)間相關(guān)性為代價(jià)的。因此,高光譜圖像在實(shí)際應(yīng)用前需要對(duì)其進(jìn)行波段篩選,以達(dá)到降維的目的。那么,如何快速地從幾十甚至數(shù)百個(gè)波段的高光譜圖像中篩選出具有較好識(shí)別能力的波段組合成為了一個(gè)亟待解決的問(wèn)題。針對(duì)高光譜圖像波段選擇這一問(wèn)題,設(shè)計(jì)出一種更高效的算法將大大提高遙感數(shù)據(jù)分類速度及分類精確度。本文試圖探索出一種改進(jìn)后的高光譜圖像波段選取算法。這種算法能最大限度地保留有效的原始數(shù)據(jù),并降低數(shù)據(jù)維度。運(yùn)用這種改進(jìn)后的算法將使得高光譜遙感影像的分類無(wú)論在提高精度上還是降低運(yùn)算時(shí)間上都有很大提高。通過(guò)認(rèn)真的算法學(xué)習(xí)研究和大量的文獻(xiàn)閱讀,作者擬定采用兩種算法多種選擇準(zhǔn)則相結(jié)合的方式來(lái)進(jìn)行波段選擇,分步對(duì)樣本數(shù)據(jù)進(jìn)行搜索尋優(yōu)、并選取。用兩種算法相結(jié)合的方式對(duì)樣本數(shù)據(jù)進(jìn)行篩選,能合理利用每種算法的優(yōu)勢(shì),用另一種算法來(lái)彌補(bǔ)前一種算法的缺陷,兩種算法相互補(bǔ)足,相輔相成。具體內(nèi)容如下：1、通過(guò)學(xué)習(xí)和研究多種算法在高光譜圖像波段選擇問(wèn)題中的應(yīng)用,并分析各種算法的優(yōu)劣。設(shè)計(jì)出一種新的改進(jìn)算法來(lái)解決高光譜圖像波段選取的問(wèn)題。這種新算法要兼顧時(shí)間效率和精度效率。2、改進(jìn)算法首先依據(jù)波段間圖像像素灰度矩陣將波段數(shù)據(jù)進(jìn)行子空間劃分,通過(guò)這樣的操作降低波段間的相關(guān)性。然后利用遺傳算法全局快速尋優(yōu)的能力對(duì)初始波段數(shù)據(jù)進(jìn)行篩選,并獲得初始信息素列表,以此彌補(bǔ)蟻群算法初始信息匱乏的缺陷。之后利用蟻群算法較高精度的全局尋優(yōu)能力對(duì)波段數(shù)據(jù)進(jìn)行二次篩選,并輸出優(yōu)良波段組合。3、通過(guò)AVIRIS圖像的實(shí)驗(yàn)來(lái)檢驗(yàn)改進(jìn)后的算法是否有效,實(shí)驗(yàn)結(jié)果證實(shí)了改進(jìn)后的算法能使遙感圖像具有較高的總體分類精度,在計(jì)算時(shí)間上也有不錯(cuò)的效果。4、對(duì)比改進(jìn)算法的實(shí)驗(yàn)結(jié)果與其他多種算法的實(shí)驗(yàn)結(jié)果,驗(yàn)證改進(jìn)算法的優(yōu)勢(shì)。5、分析并討論實(shí)驗(yàn)結(jié)果,得出最后結(jié)論：改進(jìn)后的算法無(wú)論在分類精度和運(yùn)算時(shí)間上都具有一定優(yōu)勢(shì)。
【關(guān)鍵詞】：高光譜圖像 波段選擇 蟻群算法 遺傳算法
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：P237
【目錄】：

• 摘要6-8
• Abstract8-12
• 第一章 緒論12-24
• 1.1 研究背景及研究意義12-16
• 1.1.1 高光譜圖像的興起和發(fā)展12-15
• 1.1.2 高光譜圖像的特點(diǎn)及波段選擇的意義15-16
• 1.2 當(dāng)前研究現(xiàn)狀16-17
• 1.3 研究?jī)?nèi)容和研究目標(biāo)17-18
• 1.4 技術(shù)路線18-20
• 1.5 實(shí)驗(yàn)運(yùn)行環(huán)境和數(shù)據(jù)源20-24
• 第二章 高光譜圖像處理技術(shù)及各波段選擇算法簡(jiǎn)介24-40
• 2.1 高光譜圖像數(shù)據(jù)24-26
• 2.1.1 高光譜圖像數(shù)據(jù)的特點(diǎn)與其表示方法24
• 2.1.2 高光譜圖像的波段特征24-26
• 2.2 高光譜圖像的波段篩選26-29
• 2.2.1 高光譜圖像波段選擇的目的和意義26-27
• 2.2.2 高光譜圖像波段選擇的方法27-29
• 2.3 遺傳算法及其基本原理29-34
• 2.4 蟻群算法及其基本原理34-37
• 2.5 模擬退火算法簡(jiǎn)介37-38
• 2.6 偏最小二乘法簡(jiǎn)介38-40
• 第三章 高光譜圖像波段選擇的改進(jìn)算法40-52
• 3.1 改進(jìn)算法的思路40-41
• 3.2 遺傳算法部分41-46
• 3.3 蟻群算法部分46-50
• 3.4 算法的整體實(shí)現(xiàn)50-52
• 第四章 實(shí)驗(yàn)及結(jié)果分析52-64
• 4.1 數(shù)據(jù)概況52-55
• 4.2 實(shí)驗(yàn)平臺(tái)介紹55
• 4.3 高光譜圖像波段選擇的改進(jìn)算法實(shí)驗(yàn)55-60
• 4.4 改進(jìn)算法與其他多種算法的實(shí)驗(yàn)對(duì)比60-64
• 第五章 結(jié)論及展望64-68
• 5.1 結(jié)論64
• 5.2 算法的創(chuàng)新、優(yōu)勢(shì)、缺陷及展望64-68
• 5.2.1 算法的創(chuàng)新點(diǎn)64-65
• 5.2.2 算法的優(yōu)勢(shì)及缺陷65-66
• 5.2.3 展望66-68
• 致謝68-70
• 參考文獻(xiàn)70-74
• 附錄74

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 黃文明;蘭靜;張陽(yáng);;基于改進(jìn)蟻群算法的網(wǎng)格資源調(diào)度[J];北京郵電大學(xué)學(xué)報(bào);2009年S1期

2 麻秀范;崔換君;;改進(jìn)遺傳算法在含分布式電源的配電網(wǎng)規(guī)劃中的應(yīng)用[J];電工技術(shù)學(xué)報(bào);2011年03期

3 黎夏,葉嘉安;遺傳算法和GIS結(jié)合進(jìn)行空間優(yōu)化決策[J];地理學(xué)報(bào);2004年05期

4 袁華;寇衛(wèi)利;宋婭麗;;基于遺傳算法GIS城市區(qū)域規(guī)劃優(yōu)化研究[J];電腦知識(shí)與技術(shù);2011年01期

5 劉穎;谷延鋒;張曄;張鈞萍;;一種高光譜圖像波段選擇的快速混合搜索算法[J];光學(xué)技術(shù);2007年02期

6 歐春江;;蟻群算法在GIS中的應(yīng)用探討[J];測(cè)繪與空間地理信息;2013年08期

7 蘇加強(qiáng);丁柳云;;基于遺傳算法的GIS輔助最優(yōu)路徑查找方法[J];遼寧科技學(xué)院學(xué)報(bào);2012年04期

8 趙春暉;陳萬(wàn)海;楊雷;;高光譜遙感圖像最優(yōu)波段選擇方法的研究進(jìn)展與分析[J];黑龍江大學(xué)自然科學(xué)學(xué)報(bào);2007年05期

9 王惠榮;;蟻群算法的GIS最短路徑建模與仿真[J];計(jì)算機(jī)仿真;2011年12期

10 周爽;張鈞萍;蘇寶庫(kù);;基于最速上升算法的超光譜圖像波段選擇搜索算法[J];計(jì)算機(jī)應(yīng)用研究;2008年11期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 劉越嶼;結(jié)合蟻群算法的GIS技術(shù)在多時(shí)間窗口車(chē)輛路徑問(wèn)題中的應(yīng)用[D];汕頭大學(xué);2007年

2 張麗偉;蟻群與遺傳算法的融合及其在生物序列比對(duì)問(wèn)題中的應(yīng)用[D];內(nèi)蒙古大學(xué);2007年

3 楊國(guó)棟;基于變量篩選的偏最小二乘回歸方法及其應(yīng)用[D];中南大學(xué);2013年

  本文關(guān)鍵詞：高光譜圖像波段選取問(wèn)題的改進(jìn)算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：340180