学位论文 > 优秀研究生学位论文题录展示

基于粒子群优化的遥感图像聚类研究

作　者: 仲青青
导　师: 姚敏；吴健
学　校: 浙江大学
专　业: 计算机应用
关键词: 遥感图像聚类主成分分析混合像元最大熵粒子群优化量子计算粗糙模糊集
分类号: TP751
类　型: 硕士论文
年　份: 2011年
下　载: 131次
引　用: 0次
阅　读: 论文下载

内容摘要

遥感技术的发展为人们观测宇宙和探知地球发挥了重要的作用。卫星数字图像为地表观测提供了丰富的观测数据。为了有效地利用遥感数据,将遥感图像的光谱信息转化为用户的类别信息,需要有效的图像分析分类和解译。在遥感图像分类领域,非监督分类过程需要的人工交互较少,仅要求寻找影像上的自然分组(也称为聚类过程)。实现计算机的遥感图像自动聚类是一个热门的具有挑战性的研究领域。随着人工智能各项技术的发展,各种智能模型、算法也应用到遥感图像聚类的探索中,对聚类精度的提高大有益处。粒子群优化属于群体智能的一种算法,具有很好的自适应自组织能力,以及简单高效的群体位置优化能力,本论文主要针对基于粒子群优化算法的遥感图像聚类研究。鉴于传感器分辨率以及地形复杂等原因,遥感图像往往存在混合像元,为了提高聚类精度,本文提出改进的混合像元最大熵分解方法,对线性和非线性混合端元数据都适用。分解模型除了确定遥感图像端元,还对丰度分布做出估计,为模糊粒子群优化聚类算法提供隶属度划分的依据,避免了硬划分对结果准确性的影响。并且本文引入了量子计算,采用量子比特对粒子群体中的粒子进行编码,用量子旋转门操作更新粒子的状态,从而扩大搜索空间；另外在进化过程中引入由量子非门实现的变异算子,增强种群多样性,避免算法的早熟收敛。在实验部分,选择LANDSAT多光谱遥感图像,通过主成分分析、小波分解和灰度共生矩阵等方法提取特征向量,分别使用经典粒子群优化算法和本文提出的基于量子计算的模糊粒子群优化算法,对遥感图像进行聚类实验,并对结果进行了多方面的比较。实验表明本文提出的基于量子计算的模糊粒子群优化算法取得了比较好的聚类效果。

全文目录

摘要  4-5
Abstract  5-11
第1章绪论  11-17
  1.1 论文背景及研究意义  11-12
  1.2 遥感技术概述  12-13
  1.3 遥感图像分类聚类研究现状  13-15
  1.4 主要研究内容及章节安排  15-17
第2章遥感图像特征提取  17-26
  2.1 特征提取简介  17
  2.2 光谱特征  17-21
    2.2.1 光谱特征常用统计量  17-19
    2.2.2 主成分分析法提取光谱特征  19-21
  2.3 纹理特征  21-23
    2.3.1 纹理特征常用统计量  21-22
    2.3.2 小波分解和灰度共生矩阵提取纹理特征  22-23
  2.4 相似性度量  23-25
  2.5 本章小结  25-26
第3章遥感图像混合像元分解  26-36
  3.1 混合像元现象  26
  3.2 混合像元模型  26-28
  3.3 混合像元最大熵分解方法  28-32
    3.3.1 端元提取  28-30
    3.3.2 丰度估计  30-31
    3.3.3 求解算法及收敛性分析  31-32
  3.4 遥感数据分解实验  32-34
  3.5 本章小结  34-36
第4章基于粒子群优化算法的遥感图像聚类算法  36-50
  4.1 遥感图像聚类原理  36-37
  4.2 经典粒子群优化算法  37-39
  4.3 模糊理论对粒子群优化的改进  39-43
    4.3.1 模糊聚类  40-41
    4.3.2 基于容差粗糙模糊集的聚类中心调整  41-43
  4.4 基于量子计算的模糊粒子群优化算法  43-48
    4.4.1 量子计算概述  43-44
    4.4.2 粒子的量子状态  44-46
    4.4.3 详细算法  46-48
  4.5 本章小结  48-50
第5章遥感图像聚类实验及结果分析  50-61
  5.1 遥感数据选择与特征提取  50-53
  5.2 遥感图像聚类结果  53-56
  5.3 结果分析与评价  56-60
    5.3.1 寻优能力比较  56-57
    5.3.2 聚类精度评价  57-60
  5.4 本章小结  60-61
第6章全文总结与展望  61-63
参考文献  63-67
攻读硕士学位期间主要的研究成果  67-68
致谢  68

基于粒子群优化的遥感图像聚类研究

内容摘要

全文目录

相似论文