面向对象的多光谱图像特征遗传选优方法.pdfVIP

第24卷第4期 农业工程学报 Vbl．24No．4 ofthe 2008年4月 TransactionsCSAE 181 Apr．2008 面向对象的多光谱图像特征遗传选优方法 安琼1，杨邦杰2※，郭琳2 (1．中国农业大学信息与电气工程学院，北京100083；2．农业部规划设计研究院农业资源监测站，北京100125) 摘要：为了有效提高作物遥感识别过程中对作物分类的精度，需要对光谱图像特征进行合理选择，得到最佳波段组合。 该文在对多光谱数据的光谱信息特征进行全面分析基础上，针对目标地物，提出面向对象的多光谱图像特征遗传选优算 法模型。在模型中，先根据最佳指数因子法计算比较，得出最佳识别组合的特征数量：然后，以最大最小距离作为理论 度函数，运用遗传算法对结果优化处理，选择出对分类敏感的波段组合。以吉林德惠县内的Landsat-5数据为例，进行 波段选择实验，取得较好的成效。 关键词：遥感；多光谱；面向对象；波段选择；遗传算法；加权J．M距离 中图分类号：S127 文献标识码：A 文章编号：1002—6819(2008)-4—0181-05 An Lin．Methodfor featureselection withnlulti QiongYang object-oriented based衄geneticalgorithm spectra} Ban百ie,Guo ofthe Chinesewith CSAE，2008，24(4)：181--185．(inabstract) imagesEll．Transactions English 是在服从正态分布的情况下得出的模型，而并不是所有 0引 言 的图像数据都完全服从正态分布，因此选出的波段组合 作物遥感识别是指在农情遥感监测中，依据遥感图 并不是完全按照信息量的大小排列f刀。主成分分析法将相 像的光谱波段、纹理以及一些辅助数据等特征变量，正 关的多波段信息通过数学转换成不相关的信息，可以很 确识别出目标作物【lJ。在此过程中，虽然特征多，有利于 好的实现特征空间降维，但是这样做改变了图像原始波 精度的提高，但若选取的特征太多，不仅增加了算法的 段的物理意义，信息保真差，从而使图像的识别变得复 复杂性和计算量，而且不少特征之间往往有较高的相关 杂[8】。 性，会造成更多的混淆与不确定性，反而降低了精度。 此外，对于不同地物的识别，最优波段不一定是完 因此在分类之前，应该从众多的特征变量中进行正确选 全一致的，有时甚至是完全不一样，因此，特征的选择 择，选出一些有良好分类效果的特征变量，才能有效的 不应该是绝对的，而应该是针对具体地物的，基于此， 提高分类精度【24】。 本文以Landsat．5影像为遥感数据信息源，从光谱信息特 实际操作中，常用的特征选择方法有最佳指数因子 征分析入手，针对目标地物，提出了面向对象的特征遗 Index (OptimumFactor，OIF)、联合熵、主成分分析等。 传选优模型，在模型中，先用OIl：指数得出最佳特征组 最佳指数因子法主要参照的统计量为波段的标准差和相