高光譜遙感影像降維及分類方法研究.pdf

1、高光譜遙感是20世紀80年代興起的新型對地觀測技術。其獲取的高光譜圖像具有很高的光譜分辨率，為地物提供了豐富的細節(jié)信息，被廣泛運用于農(nóng)業(yè)、林業(yè)、地質、海洋、軍事等各個領域。然而，高光譜圖像數(shù)據(jù)量龐大，為其應用和分析造成了不便，如何從海量的數(shù)據(jù)中高效快速的提取有用信息是其應用的前提。本文在研究了現(xiàn)有高光譜圖像處理技術的基礎上，以北京市昌平縣小湯山PHI數(shù)據(jù)為例，提出了將蟻群算法(ACO)、獨立分量分析法(ICA)、支持向量機(SVM)相結

2、合的高光譜圖像處理方法，主要工作如下:
　　 (1)系統(tǒng)總結了現(xiàn)有的數(shù)據(jù)降維方法和圖像分類方法?，F(xiàn)有的數(shù)據(jù)降維方法包括波段選擇和特征提取兩種，波段選擇包括基于信息量準則和基于類間可分性原則的兩個方面。特征提取包括獨立分量分析、主成分分析、最小噪聲分離等。現(xiàn)有的分類方法包括最小距離分類、最大似然分類、神經(jīng)網(wǎng)絡分類、支持向量機分類等。
　　 (2)深入研究了蟻群算法基本原理和獨立分量分析原理，在此基礎上提出了ACO-ICA數(shù)

3、據(jù)降維方法，即運用蟻群算法進行波段子空間劃分，在子空間內(nèi)進行ICA變換的數(shù)據(jù)降維方法。通過蟻群算法將高光譜圖像波段空間劃分為4個子空間，再在各子空間內(nèi)進行ICA變換，提取出特征值較大的特征分量。將各子空間內(nèi)變換得到的新特征進行組合，得到了包含信息量最大且無波段相關性的新特征數(shù)據(jù)。
　　 (3)詳細介紹了支持向量機原理，提出了基于ACO-ICA的支持向量機分類方法。將基于ACO-ICA降維的數(shù)據(jù)和基于全局ICA降維的數(shù)據(jù)采用支持向