基于多样性变异的QPSO算法的遥感图像分类

作     者：龙海侠 吴淑雷 吕雁 LONG Haixia;WU Shulei;LYU Yan

作者机构：海南师范大学信息科学技术学院海南海口571158 

出 版 物：《智能系统学报》 (CAAI Transactions on Intelligent Systems)

年 卷 期：2015年第10卷第6期

页      面：938-942页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金资助项目(61163042) 海南师范大学地理学重点学科基金资助项目(00203030905#) 

主　　题：遥感图像 无监督分类 聚类中心 量子粒子群优化算法 多样性变异 

摘      要：遥感图像分类是遥感领域研究的热点问题之一。结合量子粒子群优化(QPSO)算法和多样性变异的机制提出了一种新的高光谱遥感图像分类算法。在遥感图像分类过程中,采用无监督分类,图像中每个像素点到聚类中心的高斯距离作为分类标准,使用QPSO算法进行聚类中心的优化,在聚类过程中使用多样性变异机制防止QPSO算法早熟收敛,使分类结果达到最优化。在遥感图像上所做的实验表明:此分类算法具有较好的搜索速度和收敛精度,能有效寻找和优化最佳聚类中心,是一种有效、可行的遥感图像分类方法。