基于蚁群智能遥感影像分类新方法.pdfVIP

第 12 卷 　第 2 期 遥 　感 　学 　报 Vo l. 12 ,No. 2 2008年 3月 JOURNAL O F R EMO TE SEN SIN G 　M ar. , 2008 　　文章编号 :(2008) 基于蚁群智能的遥感影像分类新方法 刘小平 , 黎 　夏 ,何晋强 ,艾 　彬 ,彭晓鹃 (中山大学 地理科学与规划学院 ,广东 广州 　510275) ( ) 摘 　要 : 　智能式遥感分类是遥感研究的新热点 。提出了一种基于蚁群智能规则挖掘 antm iner 的遥感影像分类 新方法 。遥感数据各波段之间存在较强的相关性 ,这种相关性往往会导致分类产生误差 。而 an tm iner算法中的信 息素是基于规则整体性能的 ,信息素的动态更新能有效地处理相关性较强的数据 ,所提供的正反馈信息能纠正启 发式函数缺陷所造成的错误 。因此 ,蚁群智能算法应用于遥感分类具有一定的优势 。将该方法用于广州市地区的 ( ) 遥感影像 ,取得了较好的分类结果 。并与 See50 决策树方法及最大似然方法 MLH 进行了对比研究 ,实验结果表 明 ,蚁群智能算法分类精度比后两者的分类精度更高 。 关键词 : 　蚁群算法 ;遥感影像 ;分类 ;人工智能 中图分类号 : 　TP7511　　　文献标识码 : 　A 个漫长而反复的过程 ,这在很大程度上限制了该方 1　引　言 法的应用 。神经网络方法具有 自适应性和进行复 杂并行运算的能力 [ 10—12 ] ,对数据类型及数据分布 土地利用 /覆盖及其变化是全球环境变化过程 函数没有限制 ,可融合多种数据进行分类 。不足的 中的重要因子 [ 1 ] 。遥感影像分类则是获取土地利 是 ,神经网络属于黑箱结构 ,难以对结果进行解释 , 用 /覆盖数据的一项重要手段 。遥感影像分类一直 并存在过学习、局部最小值和收敛速度慢的问题 。 [ 2 ] ( 是遥感研究领域里的一项重要内容 ,是遥感应用 近年来 ,逐步发展起来的群集智能 swarm in ) 的基石 ,因为它是遥感影像转换为可用的地理数据 telligence 理论和方法为遥感分类提供了一种新的 的核心 [ 3 ] 。近 30 年来 ,学者们发展了大量的遥感 智能化手段 ,可惜 , 目前在这方面的研究非常有限。 分类方法 ,这些方法基本可归纳为三大类 :基于密 群集智能是指具有简单智能的个体通过合作能够 度分布函数的统计学分类 、基于知识的专家系统分 表现出复杂的智能