蟻群算法在高光譜圖像降維和分類中的應用研究.pdf

1、高光譜遙感數(shù)據(jù)提供的豐富地表信息使得高光譜遙感的應用越來越廣泛，如何充分地利用這大量的信息，以及如何在如此大量的信息中提取有用信息，并使這些信息能夠為我們的應用服務，是擺在研究者面前的重要課題。降維和分類是高光譜圖像處理中的兩個關鍵技術。無論是高光譜圖像的降維，還是高光譜圖像的分類，其根本都是要從大量的高光譜數(shù)據(jù)中提取出能夠滿足人們需要的特定或要求的信息，而這些信息的提取綜合起來都可以說是一個信息的組合優(yōu)化處理過程。蟻群算法作為一種群智

2、能仿生優(yōu)化新技術，其突出特點是自組織性、魯棒性、并行性，非常適合于求解非確定性的離散組合優(yōu)化問題。本文在分析高光譜圖像的光譜分辨率特性、空間相關性、譜間相關性、數(shù)據(jù)維、信息量等特性的基礎上，重點分析了蟻群算法在高光譜圖像處理中的應用，證明了蟻群算法完全適用于高光譜圖像的降維和分類處理。
　　高光譜圖像的降維包括波段選擇和特征提取兩種方式。本文提出一種基于蟻群算法的高光譜圖像波段選擇方法，以解決最優(yōu)波段選擇算法復雜度高，計算量大的問

3、題。將每個波段看作是螞蟻覓食時所經(jīng)過的節(jié)點，選取不同的評價函數(shù)作為螞蟻選擇路徑的依據(jù)，應用蟻群算法選擇出多次搜索中最優(yōu)的一組波段組合。螞蟻尋找最優(yōu)路徑的過程，就是最優(yōu)波段組合的形成過程。通過蟻群算法從眾多的光譜波段中挑選出能夠反映地物光譜空間分布的特征波段，形成降維的波段子空間達到了降低高光譜圖像數(shù)據(jù)維的目的。
　　接著，利用高光譜圖像高度相關的波段成組出現(xiàn)的特點，提出一種基于蟻群算法的高光譜圖像子空間分解方法，在子空間中采用特征

4、變換的方式降低高光譜特征空間的維數(shù)。該方法同樣將波段作為螞蟻覓食時經(jīng)過的節(jié)點，螞蟻依據(jù)波段之間的相關性來決定路徑的選擇，螞蟻經(jīng)過優(yōu)化搜索之后將高維高光譜數(shù)據(jù)空間分解為幾個較低維的數(shù)據(jù)子空間，再采用傳統(tǒng)的主成分分析方法在子空間中提取有效特征，進而實現(xiàn)對高光譜圖像的降維。
　　高光譜圖像的分類方法包括監(jiān)督分類和非監(jiān)督分類兩種。本文提出一種基于蟻群算法的高光譜圖像監(jiān)督分類方法。該方法先依據(jù)圖像的信息熵將高光譜圖像各個波段的單幅圖像中的灰

5、度屬性分段離散化，然后將這些離散化的灰度屬性作為條件項并集合到一起形成一個備選條件項數(shù)據(jù)集。在訓練樣本中，將高光譜圖像各個波段數(shù)據(jù)經(jīng)過離散化后形成的條件項當作螞蟻的候選路徑節(jié)點，用條件項的信息熵作為螞蟻路徑轉移的啟發(fā)函數(shù)。經(jīng)過螞蟻的迭代搜索，每只螞蟻都構造出一條分類規(guī)則，通過信息素濃度的調整，將螞蟻們構造的規(guī)則中質量較好的規(guī)則保留下來，而質量不好的規(guī)則則在搜索過程中逐漸被淘汰。在所有訓練用的地物類別都被歸類之后，最終形成用于分類的分類規(guī)

6、則。
　　最后，提出一種基于螞蟻化學識別系統(tǒng)的蟻群聚類算法。該聚類算法依據(jù)螞蟻之間的相似程度來決定螞蟻的類別歸屬，最終相似程度高的螞蟻可以聚集成一類。在該算法中，遙感圖像中的每個像素都被看作是一只螞蟻，該螞蟻所攜帶的信息除其所代表的像素點的各波段光譜信息外，還包括所屬類別的標號，類別屬性等信息。本文依據(jù)基于蟻群算法的高光譜圖像波段選擇方法獲得的選擇結果，從中提取若干個特征波段作為數(shù)據(jù)源，采用上述聚類方法進行實驗，并與傳統(tǒng)的k均值算