胡河山，覃亚丽

(浙江工业大学信息工程学院光纤通信与信息工程研究所，浙江杭州310023)

0 引言

遥感技术已经在环境监测、资源管理和灾害预报等领域发挥着重要的作用。分类是遥感图像应用的一个重要方面，同时也是遥感图像研究的重点和热点之一［1］。由于多光谱遥感图像数据量大、信息多，给分类带来很大的困难，因此研究一种有效的、高分类精度的分类方法一直受到各国学者的重视。多光谱遥感图像一般含有许多特征，例如光谱特征、纹理特征和形状特征等，这些特征信息都可用于图像分类。只用其中的一个特征进行分类，通常是很难得到高精度的分类结果。故此，为了有效提高分类精度，通常将光谱特征、纹理特征和形状特征综合考虑［2］，然而提取的这些特征中，有些信息可能是冗余的，这样就需要从原始的特征集中，选择出具有原始信息和较少数据量的最优特征子集。蚁群算法是一种智能的仿生算法，在寻找最优组合的诸多问题中有许多应用［3］。蚁群算法的离散性和并行性特点适合对数字图像进行离散计算，而并行处理能提高处理速度，近年来许多国内外学者应用蚁群算法在图像分割、图像特征提取等领域中做了相关工作［3，4］。本文利用蚁群算法进行特征选择，并将选取的特征子集作为支持向量机分类器的输入，实现多光谱遥感图像的分类。

1 特征提取

遥感图像的分类精度大大的依赖于特征的提取过程，因此对遥感图像分类之前，必须先提取出图像特征。……