改进粒子群优化算法的高光谱波段选择

作     者：张刘 叶楠 马灵玲 汪琪 吕雪莹 章家保 ZHANG Liu;YE Nan;MA Ling-ling;WANG Qi;Lü Xue-ying;ZHANG Jia-bao

作者机构：吉林大学仪器科学与电气工程学院吉林长春130061 中国科学院空天信息创新研究院中国科学院定量遥感信息技术重点实验室北京100094 

基　　金：科工局国防基础科研重点突破项目(JCKY2018****036) 装备预研领域基金项目(61404140505) 国防基础科研计划项目(JCKY2019110) 国家自然科学基金青年基金项目(41504135) 重点研发计划课题(2017YFC1405402) 中科院先导项目(XDA13030402) 上海航天科技创新基金项目(SAST2018046)资助 

出 版 物：《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)

年 卷 期：2021年第41卷第10期

页      码：3194-3199页

摘      要：高光谱图像具有数百个连续、狭窄的光谱带,光谱范围跨越可见光到红外光,可提供地物的精细光谱属性,对于地物材质和属性的识别分类具有重要应用价值。针对感兴趣目标选择有限的光谱波段进行传输和处理,对于提升高光谱数据处理时效性、以及设计面向特定应用的实用化光谱仪都具有重要意义。而如何结合目标特征选择最优波段成为在提升处理效率的同时保证目标识别或分类精度的必然要求。因此如何从数以百计维度的高光谱图像中选择出具有较好分类识别能力的波段子集是急需解决的问题。提出基于改进粒子群优化算法的高光谱波段选择方法,该方法区别于传统的粒子群优化算法,引入“概率突跳特性”,并设定新解的淘汰机制,将“停滞”的新解进行淘汰,提高了算法的全局寻优性能。然后基于目标光谱特征采用了最优波段选择的优化目标函数,通过改进的粒子群优化算法求解目标函数,并将选定的波段子集反馈到支持向量机(SVM)中执行分类应用。采用两个标准的高光谱数据集(Indian Pines,Salinas)对选择出的波段子集进行分类测试,结果表明该方法相较于现有方法具有较高的分类精度,在几种方法中,传统的粒子群算法筛选出的波段效果最差;该算法筛选出的波段的分类精度最好,两个数据集的分类精度分别可以达到98.1414%和99.0848%。

主 题 词：高光谱图像 波段选择 粒子群算法 支持向量机 

学科分类：0810[工学-土木类] 08[工学] 0703[理学-化学类] 081002[081002] 

核心收录：

D　O　I：10.3964/j.issn.1000-0593(2021)10-3194-06

馆 藏 号：203104999...