基于改進粒子群的高光譜遙感影像處理方法的研究

1.6萬字 35頁 原創(chuàng)作品，已通過查重系統(tǒng)


摘要
高光譜遙感影像因其優(yōu)越的性能而受到廣泛的關(guān)注和應(yīng)用，在諸多領(lǐng)域發(fā)揮著重要作用，并且潛力無限。但是它也存在很多固有缺點，其中波段數(shù)較多是一個比較重要的問題，直接影響著高光譜遙感影像處理的計算量、計算復(fù)雜度、處理時間等一系列問題。我們要想更好的對高光譜遙感影像數(shù)據(jù)加以應(yīng)用就要想辦法對它降維。對高光譜遙感影像的降維有特征提取和特征選擇兩種，本論文所做的工作是采用特征選擇中的一種優(yōu)化搜索算法——粒子群優(yōu)化算法，并了解研究相關(guān)的改進策略，用經(jīng)過改進后的粒子群優(yōu)化算法來對遙感影像數(shù)據(jù)降維，優(yōu)選出較為合理的波段子集。高光譜遙感數(shù)據(jù)的處理環(huán)節(jié)中還有一個很關(guān)鍵的部分就是對它的分類，對高光譜數(shù)據(jù)進行降維處理選擇出合適的波段子集后，用該子集來對遙感影像數(shù)據(jù)進行分類，對分類的速度和精度的提高都會有很大程度的幫助。支持向量機SVM因為它擁有高光譜遙感影像處理的優(yōu)勢，在高光譜遙感影像分類中廣泛使用。本論文采用融合正切函數(shù)特性改進慣性權(quán)重的粒子群改進方法來進行高光譜遙感影像的波段選擇（TANW-BPSO模型），優(yōu)選出波段子集后，將其用于SVM分類實驗，并與未經(jīng)降維、未經(jīng)算法優(yōu)化兩種方法進行對比，通過分類精度的提高和波段維數(shù)的降低來考證該模型的有效性。


關(guān)鍵詞：高光譜遙感影像，波段選擇，改進粒子群優(yōu)化算法，支持向量機SVM，分類精度