基于改进粒子群的高光谱遥感影像处理方法的研究.docx

基于改进粒子群的高光谱遥感影像处理方法的研究

1.6万字 35页 原创作品，已通过查重系统


摘要
高光谱遥感影像因其优越的性能而受到广泛的关注和应用，在诸多领域发挥着重要作用，并且潜力无限。但是它也存在很多固有缺点，其中波段数较多是一个比较重要的问题，直接影响着高光谱遥感影像处理的计算量、计算复杂度、处理时间等一系列问题。我们要想更好的对高光谱遥感影像数据加以应用就要想办法对它降维。对高光谱遥感影像的降维有特征提取和特征选择两种，本论文所做的工作是采用特征选择中的一种优化搜索算法——粒子群优化算法，并了解研究相关的改进策略，用经过改进后的粒子群优化算法来对遥感影像数据降维，优选出较为合理的波段子集。高光谱遥感数据的处理环节中还有一个很关键的部分就是对它的分类，对高光谱数据进行降维处理选择出合适的波段子集后，用该子集来对遥感影像数据进行分类，对分类的速度和精度的提高都会有很大程度的帮助。支持向量机SVM因为它拥有高光谱遥感影像处理的优势，在高光谱遥感影像分类中广泛使用。本论文采用融合正切函数特性改进惯性权重的粒子群改进方法来进行高光谱遥感影像的波段选择（TANW-BPSO模型），优选出波段子集后，将其用于SVM分类实验，并与未经降维、未经算法优化两种方法进行对比，通过分类精度的提高和波段维数的降低来考证该模型的有效性。


关键词：高光谱遥感影像，波段选择，改进粒子群优化算法，支持向量机SVM，分类精度