基于布谷鳥搜索算法的高光譜遙感影像波段選擇方法

2.3萬字 50頁 原創(chuàng)作品，已通過查重系統(tǒng)


摘 要
在近幾年，高光譜遙感在遙感領(lǐng)域中成為了熱門話題，引起了專家學者們的高度關(guān)注。高光譜遙感是一種具有高分辨率的遙感科學技術(shù)，能夠更為豐富細化的識別和區(qū)分地物光譜信息。與此同時，高光譜遙感因其海量的數(shù)據(jù)，較多的信息冗余度，繁雜的波段數(shù)，給數(shù)據(jù)處理提高了難度以及一定的程度上降低了高光譜遙感數(shù)據(jù)處理的精度。因此，本文主要針對高光譜遙感的一系列問題，在保留原始波段的物理特征前提下實現(xiàn)對高光譜遙感的降維處理。
要想很好的使用高光譜遙感，應(yīng)先降低光譜維度即選取最佳的波段。目前，有很多的波段選擇方法，但大多數(shù)方法因高光譜海量的數(shù)據(jù)，較多的波段數(shù)目以及自身操作復雜，運算緩慢等原因效果并不理想。劍橋大學的新 Yang和拉曼工程大學的DEB根據(jù)布谷鳥的尋窩產(chǎn)卵行為模擬了一種新的智能優(yōu)化算法，即布谷鳥算法。布谷鳥算法具有操作簡便，隨機性，可以同時進行多個體比較，容易與其他算法結(jié)合特點。本文主要研究方向是布谷鳥算法與波段選擇相結(jié)合，提出新的基于改進布谷鳥的波段選擇算法。
本文針對高光譜遙感影像的特點，結(jié)合布谷鳥算法的優(yōu)點，采用JM，TD等距離，對其目標函數(shù)進行改進，提出了基于改進布谷鳥算法的高光譜遙感影像波段選擇方法。同時，針對布谷鳥算法通過參數(shù)如種群規(guī)模，最大搜索范圍控制其個體更新的位置，因此也進行了參數(shù)優(yōu)化的實驗以便選取最適合的參數(shù)。最后采用DC Mall數(shù)據(jù)和SVM分類器進行布谷鳥改進算法的精度驗證實驗，為了進一步說明改進后算法的優(yōu)越性分別使用PCA算法與PSO算法進行了對比實驗。
實驗結(jié)果證明了基于改進布谷鳥波段選擇方法具有高精度高效率運算的特點，可為高光譜遙感影像的降維提供新的可行方法。


關(guān)鍵字；布谷鳥算法，波段選擇，高光譜遙感