基于人工蚁群优化算法的遥感图像分类研究
2025-08-26余萍
无线互联科技 2025年13期
中图分类号:TP391.41 文献标志码:A
0 引言
遥感图像分类是地理信息系统和遥感技术的核心任务,研究通过分析遥感数据将地表特征分类。随着遥感技术的进步,获取高分辨率、多光谱和超光谱图像的能力大幅提高,遥感技术为地表监测、环境评估和资源管理提供了大量数据。
许文嘉等[通过构建深度学习模型有效提取遥感图像的深度属性特征,进而实现高精度的图像分类。但深度属性学习模型需要大量的训练数据,对于某些遥感图像数据稀缺的领域而言存在挑战。赵全意等2利用深度流形学习捕捉图像的高维特征,通过蒸馏网络进行特征提纯,从而实现高效的场景分类。但深度流形蒸馏网络的训练过程较为复杂,需要精细的参数调优,增加了该方法的应用难度。
人工蚁群算法高效寻找最优解,尤其在高维、非线性问题中表现出色,人工蚁群算法能有效应对数据复杂性和不确定性。本文将基于该算法,以遥感图像分类为例,进行应用设计。
1遥感图像特征提取
特征向量可以有效降低数据存储和计算成本。以像素为单位提取每个窗口的特征向量,进行图像内容类别的划分[3] 。
在此过程中,利用多尺度分析方法中的小波变换法,捕捉图像的纹理信息[4]。根据输入图像像素值,以其为中心构建一个窗口,对该窗口进行二维小波分解。分解后,分别计算水平 H 垂直 V 和对角 D 方向的小波系数,得到小波特征值 WH,WV,WD 。计算公式如下:

公式中:
分别表示3个方向的小波系数, m 和 n 分别为窗口的行数和列数[5]。……
登录APP查看全文
