本文選題：圖像分類 + 高光譜圖像��； 參考：《華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年03期

【摘要】：為降低高光譜數(shù)據(jù)量及計(jì)算復(fù)雜度,避免后續(xù)分類中的Hughes現(xiàn)象,提出一種基于煙花算法降維的高光譜圖像分類方法.煙花算法采用類內(nèi)緊密性系數(shù)與類間分離性系數(shù)的加權(quán)和作為波段選擇的度量準(zhǔn)則,通過在高光譜數(shù)據(jù)空間內(nèi)進(jìn)行搜索,不斷更新直至收斂,從而獲得最優(yōu)波段組合.基于印第安納數(shù)據(jù)集(AVIRIS)和帕維亞大學(xué)數(shù)據(jù)集(ROSIS)數(shù)據(jù)對煙花算法、遺傳算法和禁忌搜索算法進(jìn)行波段選擇的仿真實(shí)驗(yàn),結(jié)果表明:煙花算法選擇出的波段組合數(shù)目相對較少,具有較低的算法復(fù)雜度,減少了耗時(shí);利用獲得的波段組合進(jìn)行高光譜圖像分類時(shí),與遺傳算法、禁忌搜索算法的波段選擇方法相比,文中所提方法在總體分類精度和Kappa系數(shù)上分別提高0.06%~4.72%和0.00~0.09,可以得到令人滿意的分類結(jié)果.
[Abstract]:In order to reduce the amount of hyperspectral data and the computational complexity and avoid the Hughes phenomenon in the subsequent classification, a hyperspectral image classification method based on reducing the dimension of the fireworks algorithm is proposed. In the fireworks algorithm, the weighted sum of intra-class compactness coefficient and inter-class separation coefficient is used as the criterion of band selection. By searching in hyperspectral data space, the algorithm is updated and converged to obtain the optimal band combination. Based on the data of Indiana data set AVIRISand Pavia University data set Rosis, the simulation experiments of band selection of fireworks algorithm, genetic algorithm and Tabu search algorithm are carried out. The results show that the number of band combinations selected by the fireworks algorithm is relatively small. Compared with genetic algorithm and Tabu search algorithm, the band selection method for hyperspectral image classification based on the obtained band combination is less time consuming and lower complexity than that of genetic algorithm and Tabu search algorithm. The method proposed in this paper can improve the classification accuracy and Kappa coefficient by 0.06% and 0.000. 09%, respectively. Satisfactory classification results can be obtained.
【作者單位】： 哈爾濱工程大學(xué)信息與通信工程學(xué)院;黑龍江省農(nóng)業(yè)科學(xué)院遙感技術(shù)中心;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61675051) 教育部博士點(diǎn)基金資助項(xiàng)目(20132304110007) 黑龍江省博士后特別資助項(xiàng)目(LBH-TZ0420)~~
【分類號】：TP18;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮朝麗;朱啟兵;朱曉;黃敏;;基于光譜特征的玉米品種高光譜圖像識別[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

2 徐爽;何建國;馬瑜;梁慧琳;劉貴珊;賀曉光;;高光譜圖像技術(shù)在水果品質(zhì)檢測中的研究進(jìn)展[J];食品研究與開發(fā);2013年10期

3 張綺瑋;機(jī)載高光譜遙感圖像處理軟件系統(tǒng)[J];紅外;2005年02期

4 陳雷;張曉林;劉榮科;雷志東;;光譜去相關(guān)技術(shù)在高光譜圖像小波壓縮中的應(yīng)用[J];光譜學(xué)與光譜分析;2010年06期

5 孫潔;周立儉;;遺傳模塊化神經(jīng)網(wǎng)絡(luò)的航空高光譜赤潮監(jiān)測[J];計(jì)算機(jī)仿真;2012年05期

6 蘇令華;衣同勝;萬建偉;;基于獨(dú)立分量分析的高光譜圖像壓縮[J];光子學(xué)報(bào);2008年05期

7 趙桂林;朱啟兵;黃敏;;高光譜的有監(jiān)督Isomap-SVM蘋果粉質(zhì)化分類[J];激光與光電子學(xué)進(jìn)展;2011年10期

8 吳瑞梅;吳彥紅;艾施榮;劉木華;趙杰文;嚴(yán)霖元;;茶葉外形品質(zhì)的高光譜圖像量化分析[J];江西農(nóng)業(yè)大學(xué)學(xué)報(bào);2013年02期

9 艾施榮;吳瑞梅;吳彥紅;嚴(yán)霖元;;利用高光譜圖像技術(shù)鑒別廬山云霧茶產(chǎn)地[J];江西農(nóng)業(yè)大學(xué)學(xué)報(bào);2014年02期

10 洪恒;何明一;;一種適于高光譜圖像壓縮的相關(guān)系數(shù)矩陣近似計(jì)算算法[J];電子設(shè)計(jì)工程;2013年12期

相關(guān)會議論文 前1條

1 彭妮娜;易維寧;方勇華;;基于核函數(shù)的高光譜圖像信息提取研究[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 王亮亮;非線性流形結(jié)構(gòu)在高光譜圖像異常檢測中的應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2014年

2 魏然;基于成像機(jī)理分析的高光譜圖像信息恢復(fù)研究[D];哈爾濱工業(yè)大學(xué);2015年

3 孫濤;快速多核學(xué)習(xí)分類研究及應(yīng)用[D];西安電子科技大學(xué);2015年

4 李昌國;基于譜間和校正相關(guān)性的高光譜圖像壓縮方法研究及GPU并行實(shí)現(xiàn)[D];成都理工大學(xué);2015年

5 高放;高光譜圖像無損預(yù)測壓縮技術(shù)研究[D];吉林大學(xué);2016年

6 陳雨時(shí);基于光譜特性的高光譜圖像壓縮方法研究[D];哈爾濱工業(yè)大學(xué);2007年

7 石吉勇;基于高光譜圖像技術(shù)的設(shè)施栽培作物營養(yǎng)元素虧缺診斷研究[D];江蘇大學(xué);2012年

8 肖光潤;基于函數(shù)型數(shù)據(jù)分析的高光譜圖像分類研究[D];華中科技大學(xué);2014年

9 許毅平;基于高光譜圖像多特征分析的目標(biāo)提取研究[D];華中科技大學(xué);2008年

10 王曉飛;高光譜圖像分辨率增強(qiáng)及在小目標(biāo)檢測中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 馬亞楠;果蔬中內(nèi)部害蟲的高光譜圖像檢測技術(shù)研究[D];江南大學(xué);2015年

2 王坤;高光譜圖像異常目標(biāo)檢測及光譜成像在偽裝評估方面的應(yīng)用研究[D];南京理工大學(xué);2015年

3 李秩期;基于高光譜及多信息融合的馬鈴薯外部缺陷無損檢測研究[D];寧夏大學(xué);2015年

4 王健;基于高光譜圖像的馬鈴薯形狀及重量分類識別建模研究[D];寧夏大學(xué);2015年

5 劉攀;基于非負(fù)矩陣分解的高光譜圖像特征提取與分類算法研究[D];哈爾濱工業(yè)大學(xué);2015年

6 趙宗然;快速無損高光譜圖像壓縮算法的研究[D];哈爾濱工業(yè)大學(xué);2015年

7 王丹楓;基于在線字典學(xué)習(xí)的高光譜圖像壓縮技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

8 任宇;基于空譜結(jié)構(gòu)性挖掘的高光譜圖像分類方法研究[D];西安電子科技大學(xué);2014年

9 胡子帆;基于分類DCT的高光譜有損壓縮算法研究[D];西安電子科技大學(xué);2014年

10 宋強(qiáng);基于半監(jiān)督學(xué)習(xí)的高光譜圖像分類方法研究[D];西安電子科技大學(xué);2014年

，

本文編號：1957161