基于超平面构建的高光谱异常目标检测方法

高光谱遥感影像具有光谱分辨率高、图谱合一的特点,影像中的地物组成也多种多样,针对图像数据中目标出现概率较小、检测概率较低等问题,本文提出了基于超平面构建的高光谱数据目标异常检测方法。它通过对高光谱数据的结构分析,构建出高维空间中的背景超平面算子,以待测像元在其正交子空间的投影值来表征异常程度的大小。通过OMIS和AVIRIS实测数据验证,并与RX算法相比较,基于超平面构建的高光谱异常检测算法能够在多种背景环境下检测出纯度高、光谱差异大的异常像元,并具有较高的检测率和较低的虚警率,因此具备了有效性和较好的实用性。     

基于支持向量机的云烟87烟叶成熟度高光谱遥感识别

利用烟叶光谱反射率数据研究烟叶的成熟度是将高光谱遥感探测技术应用于烟叶成熟采收的前提.对生理成熟期内云烟87的中部叶成熟度进行了研究,研究是从提取和分析烟叶高光谱信息的角度上进行的.基于提取到的反映烟叶成熟度的光谱特征和支持向量机这一基于数据的小样本学习方法,建立了识别烟叶成熟度的数学模型,这个数学模型是由支持向量机生成的2个最优决策超平面,一个将初熟类烟叶和适熟类烟叶分开,另一个将适熟类烟叶和过熟类烟叶分开,且分类精度均在90％以上.     

基于超平面实码遗传算法的灌溉制度优化设计

针对传统实码遗传算法(RGA)在求解等式约束的优化问题时,存在精度低、易早熟的缺点,该文提出了超平面实码遗传算法(HRGA),在超平面内进行各种遗传操作的运算,并将改进后的遗传算法应用于作物最优灌溉制度问题之中。计算结果表明：应用超平面遗传算法解决等式约束的优化问题,不但方法简单、计算速度快,而且寻优精度明显高于传统实码遗传算法,大大提高了算法的性能,有较高的推广应用价值。     

基于支持向量机的生态公益林遥感分类研究

提出了基于支持向量机(Support Vector Machine,SVM)的遥感影像分类方法,结合空间特征等信息,对IKONOS高空间分辨率影像进行分类,实施对生态公益林的监测,并将此分类方法与传统分类方法进行比较分析。研究结果表明,基于SVM的遥感分类方法能够有效解决分类效果破碎、精度不高等问题,而且在学习速度、自适应能力、可表达性等方面具有优势。