资源描述：
《粒子群优化算法用于高光谱遥感影像分类的自动波段选择》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第39卷第3期测绘学报Vol.39,No.32010年6月ActaGeodaeticaetCartographicaSinicaJun.,2010文章编号:100121595(2010)0320257207粒子群优化算法用于高光谱遥感影像分类的自动波段选择1,212丁胜,袁修孝,陈黎1.武汉大学遥感信息工程学院,湖北武汉430079;2.武汉科技大学计算机科学与技术学院,湖北武汉430065AutomaticBandSelectionofHyperspectralRemoteSensingImageClassificationUsingParti2cleSwarmOptimization1,2
2、12DINGSheng,YUANXiuxiao,CHENLi1.SchoolofRemoteSensingandInformationEngineering,WuhanUniversity,Wuhan430079,China;2.CollegeofComputerScienceandTechnology,WuhanUniversityofScienceandTechnology,Wuhan430065,ChinaAbstract:ItisproposedanautomaticbandselectionandSVMparameteroptimizationmethodbasedonanovelP
3、SO2BSSVMmodel,whichisusedtoclassifythehyperspectralremotesensingimages.ComparingwithK2nearestneighborsclassifier(K2NN),radialbasisfunction2neuralnetwork(RBF2NN)classifierandstandardSVMclassifier,theempiricalresultshavedemonstratedthatPSO2BSSVMcanautomaticallyselectappropriatehyperspectralbandsandopt
4、imizeSVMparameters,andtheclassificationaccuracyofhyperspectralremotesensingimagesisimprovedsignificantly.Keywords:hyperspectralremotesensingimage;supportvectormachines(SVM);particleswarmoptimization(PSO);bandselection摘要:针对传统SVM分类方法的缺点,采用粒子群优化(particleswarmoptimization,PSO)算法自动选择合适的波段影像并对SVM核函数参数进行优化
5、,提出一种新的PSO2BSSVM分类模型。经过对高光谱遥感影像的分类试验,并与K2最近邻(K2NN)、径向基神经网络(RBF2NN)和标准的支持向量机(SVM)三种分类方法进行对比实验,证明PSO2BSSVM方法能优选高光谱遥感影像的波段和优化SVM参数,明显提高影像的分类精度。关键词:高光谱遥感影像;支持向量机(SVM);粒子群优化(PSO)算法;波段选择中图分类号:P237文献标识码:A基金项目:国家973计划(2006CB701302);国家自然科学基金(60705012);国家创新研究群体科学基金(40721001)类时,设置合适的SVM参数对提高遥感影像分1引言类精度是非常重要的。因
6、此,SVM分类器的参数高光谱遥感影像具有波段多、数据量大、数据优化也是高光谱遥感影像分类的又一个重要研究不确定性和小样本分类等特点,而且其波段之间方向。的相关性强,数据冗余度高,这直接降低了高光谱一般地,高光谱遥感影像的波段选择和SVM遥感影像分类的精度和速度。高光谱遥感影像的参数优化是分开实现的,文献[3]提出了一种应用波段选择能在尽量保留地物光谱辐射信息的条件遗传算法进行波段选择的方法,文献[4]提出了一下减少高光谱遥感影像的波段数,剔除冗余和有种应用遗传规划(geneticprogramming)进行波段噪声的波段影像,从而降低影像分类的计算复杂选择的方法,但都没有实现波段和SVM参数同
7、度,提高分类的精度。因此,选择合适波段的高光步优化。在SVM对高光谱影像分类过程中,谱遥感影像,提高分类的速度和精度已成为高光SVM参数值选取一般是先采用人工的方式预先[1]谱影像分类研究的一个重要方向。设定若干组参数值,然后通过交叉验证方法选取支持向量机(supportvectormachines,最优的一组参数,因而得到的分类结果和人为设SVM)作为一种新的统计学习方法,在处理高维定的值有关,
