PCA和布谷鸟算法优化SVM的遥感矿化蚀变信息提取

• 作者: 吴一全 周杨 盛东慧
• 来源期刊: 遥感学报
• 学科: 工学
• 关键词: 遥感 矿化蚀变信息提取 主成分分析(PCA) 支持向量机(SVM) 布谷鸟算法 波段比值法
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 遥感应用
• 页码范围: 810-821
• 页数: 12页
• 分类号: TP751.1
• 字数: 9607字
• 语种: 中文
• DOI: 10.11834/jrs.20187068

摘要

为了进一步提高遥感矿化蚀变信息提取的精度,本文提出了一种基于主成分分析PCA (Principal Component Analysis)和布谷鸟算法优化支持向量机SVM (Support Vector Machine)的遥感矿化蚀变信息提取方法.首先,通过波段比值法增强研究区遥感图像中的矿化蚀变信息,并获得比值图像;然后,对比值图像进行主成分分析,进而提取训练样本;接着,利用SVM对训练样本进行训练,同时采用布谷鸟算法求取SVM的最优核参数及惩罚因子,构造最优SVM模型;最后,运用最优SVM模型完成矿化蚀变信息提取.选择青海省五龙沟地区为研究区,提取羟基及铁染蚀变信息.实验结果表明,与主成分分析法、基于光谱角法和SVM的方法、基于粒子群和SVM的方法及基于波段比值、PCA和粒子群优化SVM的方法等4种方法相比,本文方法获得的遥感矿化蚀变信息和已知矿点的吻合度最高,提取效果最好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴一全	南京航空航天大学电子信息工程学院	198	2249	23.0	36.0
37	周杨	南京航空航天大学电子信息工程学院	7	26	4.0	4.0
38	盛东慧	南京航空航天大学电子信息工程学院	2	6	2.0	2.0