基于烟花算法降维的高光谱图像分类

摘要：

为降低高光谱数据量及计算复杂度,避免后续分类中的Hughes现象,提出一种基于烟花算法降维的高光谱图像分类方法.烟花算法采用类内紧密性系数与类间分离性系数的加权和作为波段选择的度量准则,通过在高光谱数据空间内进行搜索,不断更新直至收敛,从而获得最优波段组合.基于印第安纳数据集(AVIRIS)和帕维亚大学数据集(ROSIS)数据对烟花算法、遗传算法和禁忌搜索算法进行波段选择的仿真实验,结果表明:烟花算法选择出的波段组合数目相对较少,具有较低的算法复杂度,减少了耗时;利用获得的波段组合进行高光谱图像分类时,与遗传算法、禁忌搜索算法的波段选择方法相比,文中所提方法在总体分类精度和Kappa系数上分别提高0.06%~4.72%和0.00~0.09,可以得到令人满意的分类结果.

关键词：图像分类、高光谱图像、降维、烟花算法、智能优化算法

所属期刊栏目：45

分类号：TP751(遥感技术)

资助基金：国家自然科学基金资助项目61675051;教育部博士点基金资助项目20132304110007;黑龙江省博士后特别资助项目LBH-TZ0420 Supported by the National Natural Science Foundation of China 61675051;the Ph.D.Programs Foundation of Ministry of Education of China20132304110007;the Heilongjiang Postdoctoral Special FundLBH-TZ0420

在线出版日期：2017-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：20-28