混合编码差分进化粒子群算法及多示例学习的高光谱影像降维与分类

摘要：

目的 高光谱遥感影像由于其巨大的波段数直接导致信息的高冗余和数据处理的复杂,这不仅带来庞大的计算量,而且会损害分类精度.因此,在对高光谱影像进行处理、分析之前进行降维变得非常必要.分类作为一种重要的获取信息的手段,现有的基于像素点和图斑对象特征辨识地物种类的方法在强噪声干扰训练样本条件下精度偏低,在对象的基础上,将光谱和空间特征相似的对象合并成比其还要大的集合,再按照各个集合的光谱和空间特征进行分类,则不容易受到噪声等因素的干扰.方法 提出混合编码差分进化粒子群算法的双种群搜索策略进行降维,基于支持向量机的多示例学习算法作为分类方法,构建封装型降维与分类模型.结果 采用AVIRIS影像进行实验,本文算法相比其他相近的分类方法能获得更高的分类精度,达到96.03％,比其他相近方法中最优的像元级的混合编码的分类方法精度高出0.62％.结论 在针对强干扰的训练样本条件下,本文算法在降维过程中充分发挥混合编码差分进化算法的优势,分类中训练样本中的噪声可以看做多示例学习中训练包"歧义性"的特定表现形式,有效提高了分类的精度.

关键词：高光谱遥感影像、分类、粒子群优化算法、差分进化算法、多示例学习、混合编码

所属期刊栏目：20

分类号：TP391.4(计算技术、计算机技术)

资助基金：Fundamental Research Funds for the Central Universities2014B13214;中央高校基本科研业务费项目2014B13214

在线出版日期：2016-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1689-1698