论文部分内容阅读
高光谱遥感是20世纪80年代兴起的新型对地观测技术。其获取的高光谱图像具有很高的光谱分辨率,为地物提供了丰富的细节信息,被广泛运用于农业、林业、地质、海洋、军事等各个领域。然而,高光谱图像数据量庞大,为其应用和分析造成了不便,如何从海量的数据中高效快速的提取有用信息是其应用的前提。本文在研究了现有高光谱图像处理技术的基础上,以北京市昌平县小汤山PHI数据为例,提出了将蚁群算法(ACO)、独立分量分析法(ICA)、支持向量机(SVM)相结合的高光谱图像处理方法,主要工作如下：(1)系统总结了现有的数据降维方法和图像分类方法。现有的数据降维方法包括波段选择和特征提取两种,波段选择包括基于信息量准则和基于类间可分性原则的两个方面。特征提取包括独立分量分析、主成分分析、最小噪声分离等。现有的分类方法包括最小距离分类、最大似然分类、神经网络分类、支持向量机分类等。(2)深入研究了蚁群算法基本原理和独立分量分析原理,在此基础上提出了ACO-ICA数据降维方法,即运用蚁群算法进行波段子空间划分,在子空间内进行ICA变换的数据降维方法。通过蚁群算法将高光谱图像波段空间划分为4个子空间,再在各子空间内进行ICA变换,提取出特征值较大的特征分量。将各子空间内变换得到的新特征进行组合,得到了包含信息量最大且无波段相关性的新特征数据。(3)详细介绍了支持向量机原理,提出了基于ACO-ICA的支持向量机分类方法。将基于ACO-ICA降维的数据和基于全局ICA降维的数据采用支持向量机进行分类,并将分类结果与传统的分类方法分类结果相比,结果表明：采用本文的分类方法,分类总体精度达到了85.28%,远远高于其它分类方法,证明了本文所提出方法的可行性。