本文關鍵詞：基于貓群算法的高光譜遙感森林類型識別研究，由筆耕文化傳播整理發(fā)布。

《東北林業(yè)大學》 2015年

基于貓群算法的高光譜遙感森林類型識別研究

李琰  

【摘要】：合理地保護和利用森林資源,對地球生態(tài)系統(tǒng)的穩(wěn)定及可持續(xù)發(fā)展有重要意義,森林樹種(組)的正確分類是其重要的基礎和依據(jù)。高光譜遙感的興起和發(fā)展為獲取森林資源信息,對森林有序開發(fā)奠定了基礎。國內外專家利用高光譜遙感數(shù)據(jù)以及不同的分類方法對森林類型進行識別,以求尋找更加高效、合理的方式及更精確的結果。本研究選用國產(chǎn)環(huán)境與災害監(jiān)測小衛(wèi)星(HJ-1A)高光譜遙感數(shù)據(jù),采用基于貓群智能優(yōu)化(Cat Swarm Optimization, CSO)的算法,利用光譜信息對吉林汪清林業(yè)局經(jīng)營區(qū)內森林類型進行識別。為達到此目的,系統(tǒng)地探討了貓群算法及其改進算法在森林識別中的應用,建立一種通過搜索進行波段選擇的高光譜降維模型和四種基于貓群算法的森林分類模型,并對貓群智能算法進行高光譜降維、聚類分辨森林類型、挖掘光譜信息規(guī)則進行優(yōu)勢樹種(組)識別做了系統(tǒng)研究。首先,HJ-1A數(shù)據(jù)獲取成本低,但提供數(shù)據(jù)時間不長,國內外將其應用于樹種(組)識別的研究很少。挖掘HJ-1A高光譜遙感數(shù)據(jù)的森林應用潛力和森林精細識別的可能性有深遠的實際意義。另外,遙感影像的選擇、預處理方法、分類方法的不同都會對高光譜遙感影像分類結果有較大影響,探討不同的選擇可使分類結果仍有較大的改善空間,但也面臨很多挑戰(zhàn)。比如研究區(qū)地形復雜,空間異質性較高時,現(xiàn)有的分類方法獲得的精度有所限制。不同的分類方法各有優(yōu)劣、適用情況不同,分類結果也會大有不同。集成和改進現(xiàn)有的算法、尋求新算法成為高光譜影像分類的研究重點。本文圍繞以上問題開展以下工作：第一,對研究區(qū)的HJ-1A遙感影像進行預處理,形成可以用于分類的基礎數(shù)據(jù)；然后選取新興的較優(yōu)秀的貓群智能算法,在研究算法機理的基礎上,充分借助信息技術,提出離散的二進制貓群算法(BCSO),建立波段搜索模型,自動搜索出可分性好的波段組合為后續(xù)更好地研究蒙古櫟、白樺、落葉松、楊樹、云杉等分類奠定基礎；第二,提出基于貓群的聚類算法模型及半監(jiān)督模糊C貓群算法(CSO-SMFC),對研究區(qū)的針葉林、闊葉林、混交林等森林類型進行分類并比較其結果；第三,在上述研究基礎上,提出基本的貓群分類規(guī)則挖掘算法(CSO-Miner)和改進的貓群算法與支持向量機結合(ACSO-SVM)的兩種方法,建立分類器,形成高光譜森林精細分類模型,對研究區(qū)內蒙古櫟、白樺、落葉松、楊樹、云杉等優(yōu)勢樹種(組)識別,比較、驗證并評價其分類結果。本文希望通過森林分類方法的探討,對后續(xù)其他林業(yè)研究或應用提供參考和依據(jù)。研究結果表明：(1)在波段選擇中,當控制子空間為3時,BCSO提取出的波段組合為21-43-109。(2)在對針葉林、闊葉林、混交林的森林類型識別中,基于基本貓群算法的聚類最優(yōu)精度為83.5%,基于CSO-SMFC聚類模型的最優(yōu)精度為85%。(3)森林精細識別中,基于CSO-Miner模型的監(jiān)督算法最優(yōu)總體分類精度為80.83%,Kappa系數(shù)為0.77；ACSO-SVM總體分類精度最高為84.16%,Kappa系數(shù)為0.81。結合研究區(qū)內信息,應用基于貓群優(yōu)化算法的分類方法對汪清林區(qū)內HJ-1A的高光譜遙感數(shù)據(jù)進行分類,能較好地識別汪清林區(qū)的蒙古櫟、白樺、落葉松、楊樹、云杉等優(yōu)勢樹種(組)。本文在高光譜森林遙感分類領域進行了探索性研究,將計算機智能算法與遙感技術結合,為森林類型識別提供了一種新思路。其研究成果可為基層森工企業(yè)的森林調查及國家林業(yè)規(guī)劃提供理論指導和技術支持,對林業(yè)領域各方面的深入研究奠定基礎,對我國林業(yè)發(fā)展具有一定的推動作用。

【關鍵詞】：
【學位授予單位】：東北林業(yè)大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：S771.8
【目錄】：

下載全文 更多同類文獻

CAJ全文下載

(如何獲取全文？ 歡迎：購買知網(wǎng)充值卡、在線充值、在線咨詢)

CAJViewer閱讀器支持CAJ、PDF文件格式

【引證文獻】

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 童慶禧;鄭蘭芬;薛永祺;;中國高光譜遙感技術和應用[A];第十三屆全國遙感技術學術交流會論文摘要集[C];2001年

2 黃遠程;張良培;李平湘;;基于最小單形體體積約束的高光譜影像端元光譜提取[A];遙感定量反演算法研討會摘要集[C];2010年

3 高海亮;顧行發(fā);余濤;李小英;支晶晶;謝玉娟;馬曉紅;;HJ-1A超光譜成像儀圖像條帶噪聲去除方法研究[A];第十七屆中國遙感大會摘要集[C];2010年

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 丁勝;袁修孝;陳黎;;粒子群優(yōu)化算法用于高光譜遙感影像分類的自動波段選擇[J];測繪學報;2010年03期

2 術洪磊,毛贊猷;GIS輔助下的基于知識的遙感影像分類方法研究——以土地覆蓋/土地利用類型為例[J];測繪學報;1997年04期

3 甘甫平,劉圣偉,周強;德興銅礦礦山污染高光譜遙感直接識別研究[J];地球科學;2004年01期

4 張亞梅;;地物反射波譜特征及高光譜成像遙感[J];光電技術應用;2008年05期

5 姜小光,王長耀,王成;成像光譜數(shù)據(jù)的光譜信息特點及最佳波段選擇——以北京順義區(qū)為例[J];干旱區(qū)地理;2000年03期

6 李傳榮;賈媛媛;胡堅;李子揚;;HJ-1光學衛(wèi)星遙感應用前景分析[J];國土資源遙感;2008年03期

7 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];光學技術;2007年02期

8 秦進春;余旭初;譚熊;余岸竹;付瓊瑩;;基于SVM核函數(shù)評價的高光譜遙感影像核分類方法比較研究[J];測繪通報;2012年S1期

9 劉玉琴;沙晉明;徐賽萍;祝坤子;;HSI高光譜數(shù)據(jù)的FLAASH大氣校正與評價[J];福建師范大學學報(自然科學版);2013年05期

10 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];黑龍江大學自然科學學報;2007年05期

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 夏建濤;基于機器學習的高維多光譜數(shù)據(jù)分類[D];西北工業(yè)大學;2002年

2 譚炳香;高光譜遙感森林類型識別及其郁閉度定量估測研究[D];中國林業(yè)科學研究院;2006年

中國碩士學位論文全文數(shù)據(jù)庫 前3條

1 王靜;SVM在參數(shù)選擇上的優(yōu)化[D];蘭州理工大學;2008年

2 范凱波;基于幾何特征的車輛目標分類研究[D];天津理工大學;2012年

3 郭學蘭;基于LS-SVM模型的高光譜影像分類的研究[D];中南大學;2013年

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 彭海琴;李娟;馬晉;何國富;;遙感與GIS技術在環(huán)境科學中的應用研究[J];安徽農(nóng)學通報(上半月刊);2011年05期

2 李璇瓊;何政偉;許輝熙;薛萬蓉;;甘肅省文縣地震前后TM圖像增強處理方法比較分析[J];安徽農(nóng)業(yè)科學;2009年05期

3 楊菁媛;方朝陽;陳曉玲;;基于多時相ENVISAT ASAR的鄱陽湖水面覆蓋信息提取及其應用研究[J];安徽農(nóng)業(yè)科學;2011年11期

4 王天培;;國內外遙感技術在非點源污染模擬中的應用[J];安徽農(nóng)業(yè)科學;2011年21期

5 谷秀蘭;欒喬林;黃朝明;韋仕川;;土地利用覆被遙感影像信息提取方法研究綜述[J];安徽農(nóng)業(yè)科學;2012年04期

6 楊立君;黃婷;;潮灘植被調查最佳波段組合研究[J];安徽農(nóng)業(yè)科學;2012年04期

7 王小東;陸長華;黃慶豐;;基于RS與GIS的東至縣梅城林場森林景觀格局動態(tài)分析[J];安徽農(nóng)業(yè)大學學報;2011年04期

8 王蕾;黃華國;張曉麗;駱有慶;安樹杰;;基于知識規(guī)則的馬尾松林遙感信息提取技術研究[J];北京林業(yè)大學學報;2007年03期

9 楊桄,劉湘南,張柏,邊紅楓;基于多特征空間的遙感信息自動提取方法[J];吉林大學學報(地球科學版);2005年02期

10 吳小平;“3S”技術在血吸蟲病控制中的應用研究[J];重慶工學院學報;2004年01期

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 鄧睿;多源遙感數(shù)據(jù)和GIS支持下的臺風影響研究[D];浙江大學;2010年

2 楊國鵬;基于機器學習方法的高光譜影像分類研究[D];解放軍信息工程大學;2010年

3 賈曉晴;古蓮河露天煤礦環(huán)境影響與景觀變化研究[D];中國地質大學（北京）;2011年

4 劉美玲;融合多元環(huán)境因子的水稻重金屬污染水平遙感評估模型[D];中國地質大學（北京）;2011年

5 劉鐵冬;四川省雜谷腦河流域景觀格局與生態(tài)脆弱性評價研究[D];東北林業(yè)大學;2011年

6 何原榮;礦區(qū)環(huán)境高分辨率遙感監(jiān)測及其信息資源開發(fā)利用的方法與應用研究[D];中南大學;2011年

7 肖東升;基于GIS和CA的地震災害壓埋人員情景分析與評估理論[D];西南交通大學;2009年

8 郭嘉;回聲狀態(tài)網(wǎng)絡分類方法及其應用研究[D];哈爾濱工業(yè)大學;2011年

9 方炫;黃土高原鄉(xiāng)級尺度土地利用格局動態(tài)變化與生態(tài)功能區(qū)研究[D];中國科學院研究生院（教育部水土保持與生態(tài)環(huán)境研究中心）;2011年

10 陳國良;煤礦區(qū)“一張圖”建設的若干關鍵技術研究[D];中國礦業(yè)大學;2011年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 馬浩;基于土地適宜性評價的三峽庫區(qū)防護林類型空間優(yōu)化配置[D];華中農(nóng)業(yè)大學;2010年

2 胡紅;礦區(qū)植物脅迫作用與遙感信息提取[D];山東科技大學;2010年

3 邢著榮;基于輻射傳輸模型和CHRIS數(shù)據(jù)反演春小麥LAI[D];山東科技大學;2010年

4 雷彤;基于高光譜的蘋果花期果期光譜特征分析及其果量估測[D];山東農(nóng)業(yè)大學;2010年

5 鄧祿群;高光譜圖像類別信息相關技術研究[D];哈爾濱工程大學;2010年

6 吳云;基于RS和GIS的植被覆蓋度估算及動態(tài)變化分析[D];遼寧工程技術大學;2009年

7 王俊朝;基于中尺度遙感影像的早稻種植面積提取方法探討[D];安徽師范大學;2010年

8 付志鵬;基于WorldView-2影像的分類及建筑物提取研究[D];浙江大學;2011年

9 李源泰;基于人工神經(jīng)網(wǎng)絡的遙感影像分類研究[D];昆明理工大學;2010年

10 孔祥惠;基于知識的遙感信息分類方法實驗研究[D];昆明理工大學;2009年

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 官鳳英;范少輝;蔡華利;馮仲科;鄧旺華;劉廣路;;竹林遙感信息提取方法比較研究[J];安徽農(nóng)業(yè)科學;2010年08期

2 王蕾;黃華國;張曉麗;駱有慶;安樹杰;;基于知識規(guī)則的馬尾松林遙感信息提取技術研究[J];北京林業(yè)大學學報;2007年03期

3 仝慧杰;馮仲科;張彥林;;樹種在遙感信息上的差異分析[J];北京林業(yè)大學學報;2007年S2期

4 徐紅敏;楊天行;;基于支持向量機分類算法的湖泊水質評價研究[J];吉林大學學報(地球科學版);2006年04期

5 蓋利亞;劉正軍;張繼賢;;CHRIS/PROBA高光譜數(shù)據(jù)的預處理[J];測繪工程;2008年01期

6 賈萍;李海濤;林卉;顧海燕;韓顏順;;基于SVM的多源遙感影像分類研究[J];測繪科學;2008年04期

7 林麗群;舒寧;肖俊;肖洲;;基于遺傳算法優(yōu)化決策樹的多光譜影像分類研究[J];測繪科學;2009年04期

8 黃昕;李平湘;張良培;;基于多層形狀特征提取與融合的城市高光譜影像解譯[J];測繪科學;2009年06期

9 黃磊;張書畢;王亮亮;張秋昭;;粒子群最小二乘支持向量機在GPS高程擬合中的應用[J];測繪科學;2010年05期

10 賈永紅;人工神經(jīng)網(wǎng)絡在多源遙感影像分類中的應用[J];測繪通報;2000年07期

中國博士學位論文全文數(shù)據(jù)庫 前6條

1 毛學剛;東北森林碳循環(huán)日步長模型與遙感綜合應用研究[D];東北林業(yè)大學;2011年

2 范昕煒;支持向量機算法的研究及其應用[D];浙江大學;2003年

3 吳濤;核函數(shù)的性質、方法及其在障礙檢測中的應用[D];中國人民解放軍國防科學技術大學;2003年

4 吳昊;高光譜遙感圖像數(shù)據(jù)分類技術研究[D];國防科學技術大學;2004年

5 李曉松;干旱地區(qū)稀疏植被覆蓋度高光譜遙感定量反演研究[D];中國林業(yè)科學研究院;2008年

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

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 吳艷冬;復雜背景中的人臉檢測與定位[D];大連理工大學;2002年

2 孫麗華;中文文本自動分類的研究[D];哈爾濱工程大學;2002年

3 楊金紅;高光譜遙感數(shù)據(jù)最佳波段選擇方法研究[D];南京信息工程大學;2005年

4 張倩;基于決策樹方法的航空高光譜遙感土地覆蓋分類研究[D];山東科技大學;2005年

5 黃婉平;自適應粒子群優(yōu)化算法及其應用研究[D];浙江大學;2006年

6 孫建英;粒子群優(yōu)化算法的分析及改進[D];大連海事大學;2007年

7 趙瑩;支持向量機中高斯核函數(shù)的研究[D];華東師范大學;2007年

8 郭春燕;基于支持向量機的高光譜遙感圖像分類[D];哈爾濱工程大學;2007年

9 劉宣江;基于神經(jīng)網(wǎng)絡的遙感影像識別[D];北京郵電大學;2007年

10 謝秋昌;基于高光譜數(shù)據(jù)的分類技術研究[D];長安大學;2008年

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 彭紅星;鄒湘軍;陳麗娟;熊俊濤;陳科尹;林桂潮;;基于雙次Otsu算法的野外荔枝多類色彩目標快速識別[J];農(nóng)業(yè)機械學報;2014年04期

2 趙雪;陳龍飛;;基于MapReduce的ROCK聚類算法[J];河北科技師范學院學報;2014年01期

3 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 尹冀鋒;;一種新的圖象自適應增強算法[A];四川省通信學會一九九二年學術年會論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計算機輔助增強、分割算法在鑒別乳腺良、惡性腫塊中的應用價值[A];中華醫(yī)學會第十次全國超聲醫(yī)學學術會議論文匯編[C];2009年

3 謝麗聰;;SVB查詢改寫算法的改進[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2004年

4 鄭存紅;;復雜背景下相關跟蹤算法研究及DSP實現(xiàn)[A];中國光學學會2010年光學大會論文集[C];2010年

5 楊文杰;吳軍;;RFID抗沖突算法研究[A];2008通信理論與技術新進展——第十三屆全國青年通信學術會議論文集（上）[C];2008年

6 高山;畢篤彥;魏娜;;一種基于UPF的小目標TBD算法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

7 周磊;張衛(wèi)華;王曉奇;張軍;;基于流水算法的智能路障機器人設計[A];2011年全國電子信息技術與應用學術會議論文集[C];2011年

8 潘巍;李戰(zhàn)懷;陳群;索博;李衛(wèi)榜;;面向MapReduce的非對稱分片復制連接算法優(yōu)化技術研究[A];第29屆中國數(shù)據(jù)庫學術會議論文集（B輯）（NDBC2012）[C];2012年

9 李偉偉;蔡康穎;鄭新;王文成;;3D模型中重復結構的多尺度快速檢測算法[A];第六屆和諧人機環(huán)境聯(lián)合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（PCC2010）論文集[C];2010年

10 楊任爾;陳懇;勵金祥;;基于棱邊方向檢測的運動自適應去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 國泰君安資產(chǎn)管理部;[N];上海證券報;2010年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 馮輝;網(wǎng)絡化的并行與分布式優(yōu)化算法研究及應用[D];復旦大學;2013年

2 許玉杰;云計算環(huán)境下海量數(shù)據(jù)的并行聚類算法研究[D];大連海事大學;2014年

3 李琰;基于貓群算法的高光譜遙感森林類型識別研究[D];東北林業(yè)大學;2015年

4 陳加順;海洋環(huán)境下聚類算法的研究[D];南京航空航天大學;2014年

5 張冬麗;人工蜂群算法的改進及相關應用研究[D];燕山大學;2014年

6 徐悅竹;機會發(fā)現(xiàn)算法及其應用研究[D];哈爾濱工程大學;2010年

7 王征;分布式互斥算法的研究與實現(xiàn)[D];電子科技大學;2007年

8 王艷嬌;人工蜂群算法的研究與應用[D];哈爾濱工程大學;2013年

9 楊世品;P系統(tǒng)優(yōu)化算法及應用研究[D];浙江大學;2013年

10 張毅;群智能算法的改進及其在相關領域中的應用[D];吉林大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 姚鑫宇;EMD去噪與MUSIC算法在DOA估計中的聯(lián)合應用[D];昆明理工大學;2015年

2 陸進;面向含噪數(shù)據(jù)聚類相關算法的研究[D];復旦大學;2014年

3 李家昌;基于能量約束的超聲圖像自動分割算法[D];華南理工大學;2015年

4 陳堅;基于密度和約束的數(shù)據(jù)流聚類算法研究[D];蘭州大學;2015年

5 高健;基于Zynq7000平臺的去霧算法研究及實現(xiàn)[D];南京理工大學;2015年

6 顧磊;基于Hadoop的聚類算法的數(shù)據(jù)優(yōu)化及其應用研究[D];南京信息工程大學;2015年

7 楊燕霞;基于Hadoop平臺的并行關聯(lián)規(guī)則挖掘算法研究[D];四川師范大學;2015年

8 王羽;基于MapReduce的社區(qū)發(fā)現(xiàn)算法的設計與實現(xiàn)[D];南京理工大學;2015年

9 許振佳;流式數(shù)據(jù)的并行聚類算法研究[D];曲阜師范大學;2015年

10 董琴;人工蜂群算法的改進與應用[D];大連海事大學;2015年

  本文關鍵詞：基于貓群算法的高光譜遙感森林類型識別研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：165672