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

【摘要】：20世紀80年代發(fā)展起了一項對地觀測的新技術(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)的進步。高光譜圖像具有很高的分辨率,這是因為它是由高光譜成像儀從幾百個連續(xù)窄波段內(nèi)獲取的地物圖像,它能同時反映目標區(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,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)存儲空間大,運算速度慢,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)性為代價的。因此,高光譜圖像在實際應(yīng)用前需要對其進行波段篩選,以達到降維的目的。那么,如何快速地從幾十甚至數(shù)百個波段的高光譜圖像中篩選出具有較好識別能力的波段組合成為了一個亟待解決的問題。針對高光譜圖像波段選擇這一問題,設(shè)計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。運用這種改進后的算法將使得高光譜遙感影像的分類無論在提高精度上還是降低運算時間上都有很大提高。通過認真的算法學(xué)習(xí)研究和大量的文獻閱讀,作者擬定采用兩種算法多種選擇準則相結(jié)合的方式來進行波段選擇,分步對樣本數(shù)據(jù)進行搜索尋優(yōu)、并選取。用兩種算法相結(jié)合的方式對樣本數(shù)據(jù)進行篩選,能合理利用每種算法的優(yōu)勢,用另一種算法來彌補前一種算法的缺陷,兩種算法相互補足,相輔相成。具體內(nèi)容如下：1、通過學(xué)習(xí)和研究多種算法在高光譜圖像波段選擇問題中的應(yīng)用,并分析各種算法的優(yōu)劣。設(shè)計出一種新的改進算法來解決高光譜圖像波段選取的問題。這種新算法要兼顧時間效率和精度效率。2、改進算法首先依據(jù)波段間圖像像素灰度矩陣將波段數(shù)據(jù)進行子空間劃分,通過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)的能力對初始波段數(shù)據(jù)進行篩選,并獲得初始信息素列表,以此彌補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)能力對波段數(shù)據(jù)進行二次篩選,并輸出優(yōu)良波段組合。3、通過AVIRIS圖像的實驗來檢驗改進后的算法是否有效,實驗結(jié)果證實了改進后的算法能使遙感圖像具有較高的總體分類精度,在計算時間上也有不錯的效果。4、對比改進算法的實驗結(jié)果與其他多種算法的實驗結(jié)果,驗證改進算法的優(yōu)勢。5、分析并討論實驗結(jié)果,得出最后結(jié)論：改進后的算法無論在分類精度和運算時間上都具有一定優(yōu)勢。
【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)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：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 高光譜圖像的特點及波段選擇的意義15-16
• 1.2 當前研究現(xiàn)狀16-17
• 1.3 研究內(nèi)容和研究目標17-18
• 1.4 技術(shù)路線18-20
• 1.5 實驗運行環(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 模擬退火算法簡介37-38
• 2.6 偏最小二乘法簡介38-40
• 第三章 高光譜圖像波段選擇的改進算法40-52
• 3.1 改進算法的思路40-41
• 3.2 遺傳算法部分41-46
• 3.3 蟻群算法部分46-50
• 3.4 算法的整體實現(xiàn)50-52
• 第四章 實驗及結(jié)果分析52-64
• 4.1 數(shù)據(jù)概況52-55
• 4.2 實驗平臺介紹55
• 4.3 高光譜圖像波段選擇的改進算法實驗55-60
• 4.4 改進算法與其他多種算法的實驗對比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、缺陷及展望64-68
• 5.2.1 算法的創(chuàng)新點64-65
• 5.2.2 算法的優(yōu)勢及缺陷65-66
• 5.2.3 展望66-68
• 致謝68-70
• 參考文獻70-74
• 附錄74

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

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

2 麻秀范;崔換君;;改進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;2011年03期

3 黎夏,葉嘉安;遺傳算法和GIS結(jié)合進行空間優(yōu)化決策[J];地理學(xué)報;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];測繪與空間地理信息;2013年08期

7 蘇加強;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;2012年04期

8 趙春暉;陳萬海;楊雷;;高光譜遙感圖像最優(yōu)波段選擇方法的研究進展與分析[J];黑龍江大學(xué)自然科學(xué)學(xué)報;2007年05期

9 王惠榮;;蟻群算法的GIS最短路徑建模與仿真[J];計算機仿真;2011年12期

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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 劉越嶼;結(jié)合蟻群算法的GIS技術(shù)在多時間窗口車輛路徑問題中的應(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問題中的應(yīng)用[D];內(nèi)蒙古大學(xué);2007年

3 楊國棟;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題的改進算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：340180