蔡悦
- 作品数：3 被引量：18H指数：3
- 供职机构：河海大学地球科学与工程学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：天文地球自动化与计算机技术更多>>
- 一种切空间协同表示的高光谱遥感影像分类方法被引量：5
- 2018年
- 协同表示分类（collaborative representation classification,CRC）算法近年来成为高光谱遥感分类的研究热点。地物类别间区分性不高会严重影响现有CRC算法的性能。流形结构可有效地解决非线性问题,并解决高光谱遥感影像因数据冗余导致的类别间区分性低的问题。提出了一种基于切空间的高光谱遥感影像协同表示分类算法（tangent space collaborative representation classification,TCRC）和一种基于欧氏距离的自适应加权的切空间协同表示分类算法（weighted tangent space collaborative representation classification,WTCRC）。TCRC算法利用测试样本的切平面来估计区域流形,在测试样本的切空间中使用协同表示算法,寻找测试样本在各类训练样本中的最优线性表示估计,并用其最小误差来对测试样本进行分类。在此基础上,利用测试样本邻域像元、训练样本与测试样本的欧氏距离作为权矩阵来自适应调整各样本对测试样本的影响。实验采用ROSIS（reflective optics system image spectro-meter）和AVIRIS（airbone visible infrared imaging spectrometer）高光谱遥感影像对所提出算法的性能进行了评价,结果表明TCRC和WTCRC在分类效果上比CRC有明显的提升,WTCRC相较于TCRC具有更好的分类效果,具有更强鲁棒性。
- 赵波苏红军蔡悦
- 关键词：高光谱影像影像分类
- 萤火虫算法优化的高光谱遥感影像极限学习机分类方法被引量：10
- 2015年
- 机器学习方法在高光谱遥感影像分类中广泛应用,本文使用新型的极限学习机(Extreme Learning Machine,ELM)进行高光谱遥感影像分类,针对ELM中正则化参数C和核参数σ,提出以萤火虫算法(Firefly Algorithm,FA)进行优化。首先,采用萤火虫算法进行高光谱遥感影像的波段选择,以便降低维数;然后,利用萤火虫算法以分类精度最大化为准则对ELM的参数组合(C,σ)进行寻优;最后,利用参数优化后的ELM分类器,对3个不同传感器的高光谱遥感影像进行分类。实验中将新型的萤火虫算法与遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)进行了对比,并将ELM的性能与支持向量机(Support Vector Machine,SVM)方法作对比。结果表明,FA优化方法优于传统的GA和PSO优化方法,ELM方法的效果在训练时间和分类准确率2个方面都优于SVM方法。实验说明,本文提出的方法具有较好的适用性和较优的分类效果。
- 蔡悦苏红军李茜楠
- 关键词：极限学习机高光谱遥感参数优化
- 南京沿江湿地高光谱与多光谱遥感分类对比分析被引量：3
- 2016年
- 随着遥感技术的发展,以及对湿地分类研究的不断深入,如何提高分类精度成为一大研究方向。分类方法、影像数据源、影像的特征提取都影响着分类结果的精度。目前,利用影像数据进行湿地分类,精度难以提高主要是受影像像源的制约,其中,不同湿地类型波谱特性之间的混淆是制约精度提高的直接原因。高光谱(Hyperspectral)遥感是20世纪末对地观测系统中较重要的技术突破之一,随着定量化研究的发展,高光谱遥感技术以其光谱分辨率较高的特点受到国内外广泛关注,并在资源、环境、城市、生态等领域得到了广泛应用。本文比较了湿地分类中hyperion的数据与landset TM数据的分类精度。在进行分类时,使用监督分类的方法(SVM)对南京新济州、新生州、江心洲的湿地地物类型进行分类。结果表明,在训练样本合适的前提下,用高光谱数据进行分类可以得到更高的分类精度。
- 高原赵波蔡悦
- 关键词：湿地多光谱
