粒子群优化算法用于高光谱遥感影像分类的自动波段选择  

Automatic Band Selection of Hyperspectral Remote Sensing Image Classification Using Particle Swarm Optimization

作　　者：丁胜[1,2] 袁修孝[1] 陈黎[2] 

机构地区：[1]武汉大学遥感信息工程学院,湖北武汉430079 [2]武汉科技大学计算机科学与技术学院,湖北武汉430065

出　　处：《测绘学报》2010年第3期257-263,共7页Acta Geodaetica et Cartographica Sinica

基　　金：国家973计划(2006CB701302);国家自然科学基金(60705012);国家创新研究群体科学基金(40721001)

摘　　要：针对传统SVM分类方法的缺点,采用粒子群优化(particle swarm optimization,PSO)算法自动选择合适的波段影像并对SVM核函数参数进行优化,提出一种新的PSO-BSSVM分类模型。经过对高光谱遥感影像的分类试验,并与K-最近邻(K-NN)、径向基神经网络(RBF-NN)和标准的支持向量机(SVM)三种分类方法进行对比实验,证明PSO-BSSVM方法能优选高光谱遥感影像的波段和优化SVM参数,明显提高影像的分类精度。It is proposed an automatic band selection and SVM parameter optimization method based on a novel PSO-BSSVM model,which is used to classify the hyperspectral remote sensing images.Comparing with K-nearest neighbors classifier（K-NN）,radial basis function-neural network（RBF-NN）classifier and standard SVM classifier,the empirical results have demonstrated that PSO-BSSVM can automatically select appropriate hyperspectral bands and optimize SVM parameters,and the classification accuracy of hyperspectral remote sensing images is improved significantly.

关 键 词：高光谱遥感影像 支持向量机(SVM) 粒子群优化(PSO)算法 波段选择 

分 类 号：P237[天文地球—摄影测量与遥感]