PCA和布谷鸟算法优化SVM的遥感矿化蚀变信息提取

摘要：

为了进一步提高遥感矿化蚀变信息提取的精度,本文提出了一种基于主成分分析PCA (Principal Component Analysis)和布谷鸟算法优化支持向量机SVM (Support Vector Machine)的遥感矿化蚀变信息提取方法.首先,通过波段比值法增强研究区遥感图像中的矿化蚀变信息,并获得比值图像;然后,对比值图像进行主成分分析,进而提取训练样本;接着,利用SVM对训练样本进行训练,同时采用布谷鸟算法求取SVM的最优核参数及惩罚因子,构造最优SVM模型;最后,运用最优SVM模型完成矿化蚀变信息提取.选择青海省五龙沟地区为研究区,提取羟基及铁染蚀变信息.实验结果表明,与主成分分析法、基于光谱角法和SVM的方法、基于粒子群和SVM的方法及基于波段比值、PCA和粒子群优化SVM的方法等4种方法相比,本文方法获得的遥感矿化蚀变信息和已知矿点的吻合度最高,提取效果最好.

关键词：遥感、矿化蚀变信息提取、主成分分析(PCA)、支持向量机(SVM)、布谷鸟算法、波段比值法

所属期刊栏目：22

分类号：TP751.1(遥感技术)

资助基金：国家自然科学基金61573183;中国地质科学院矿产资源研究所国土资源部成矿作用与资源评价重点实验室开放基金项目ZS1406;国土资源部地质信息技术重点实验室开放基金项目217;成都理工大学国土资源部地学空间信息技术重点实验室开放基金项目KLGSIT2015-05;兰州大学甘肃省西部矿产资源重点实验室开放基金项目WCRMGS-2014-05;东华理工大学江西省数字国土重点实验室开放基金项目DLLJ201412

在线出版日期：2018-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：810-821