20世纪80年代发展起了一项对地观测的新技术——高光谱技术。高光谱技术的发展主要依赖于遥感技术和光谱成像仪技术的进步。高光谱图像具有很高的分辨率,这是因为它是由高光谱成像仪从几百个连续窄波段内获取的地物图像,它能同时反映目标区域的空间信息和光谱信息,这样就使得地物的分辨更加容易。但同时,高光谱图像也是一种高维遥感图像,其庞大的数据量给影像的分析和处理提出了挑战。例如,高光谱图像具有极高的数据冗余性,数据存储空间大,运算速度慢,且易产生Hughes现象,导致分类精度的下降。高光谱图像获得的高分辨率是以增大数据维度,增大数据间相关性为代价的。因此,高光谱图像在实际应用前需要对其进行波段筛选,以达到降维的目的。那么,如何快速地从几十甚至数百个波段的高光谱图像中筛选出具有较好识别能力的波段组合成为了一个亟待解决的问题。针对高光谱图像波段选择这一问题,设计出一种更高效的算法将大大提高遥感数据分类速度及分类精确度。本文试图探索出一种改进后的高光谱图像波段选取算法。这种算法能最大限度地保留有效的原始数据,并降低数据维度。运用这种改进后的算法将使得高光谱遥感影像的分类无论在提高精度上还是降低运算时间上都有很大提高。通过认真的算法学习研究和大量的文献阅读,作者拟定采用两种算法多种选择准则相结合的方式来进行波段选择,分步对样本数据进行搜索寻优、并选取。用两种算法相结合的方式对样本数据进行筛选,能合理利用每种算法的优势,用另一种算法来弥补前一种算法的缺陷,两种算法相互补足,相辅相成。具体内容如下：1、通过学习和研究多种算法在高光谱图像波段选择问题中的应用,并分析各种算法的优劣。设计出一种新的改进算法来解决高光谱图像波段选取的问题。这种新算法要兼顾时间效率和精度效率。2、改进算法首先依据波段间图像像素灰度矩阵将波段数据进行子空间划分,通过这样的操作降低波段间的相关性。然后利用遗传算法全局快速寻优的能力对初始波段数据进行筛选,并获得初始信息素列表,以此弥补蚁群算法初始信息匮乏的缺陷。之后利用蚁群算法较高精度的全局寻优能力对波段数据进行二次筛选,并输出优良波段组合。3、通过AVIRIS图像的实验来检验改进后的算法是否有效,实验结果证实了改进后的算法能使遥感图像具有较高的总体分类精度,在计算时间上也有不错的效果。4、对比改进算法的实验结果与其他多种算法的实验结果,验证改进算法的优势。5、分析并讨论实验结果,得出最后结论：改进后的算法无论在分类精度和运算时间上都具有一定优势。