東北地理所在地理遙感智能計算領(lǐng)域取得新進(jìn)展
隨著對地觀測技術(shù)的不斷發(fā)展，人類每日獲得的遙感數(shù)據(jù)達(dá)到海量級別（TB級）。然而現(xiàn)有技術(shù)方法數(shù)據(jù)處理能力較弱，亟需發(fā)展智能化、自動化的地理遙感信息處理技術(shù)方法。最優(yōu)聚類中心的挖掘及最優(yōu)分類數(shù)目的確定，均為遙感信息智能處理研究中的關(guān)鍵技術(shù)。針對該技術(shù)需求，東北地理所地理信息系統(tǒng)學(xué)科組成員，將人工智能領(lǐng)域先進(jìn)的生物群集智能算法引入遙感影像聚類（分類）領(lǐng)域，獲得了全局最優(yōu)聚類中心；并遴選了適宜于遙感數(shù)據(jù)的聚類評估指數(shù)，從機理角度對現(xiàn)有聚類有效指數(shù)（CVI）指數(shù)進(jìn)行了深入分析。作為一種度量聚類可靠性指標(biāo)，CVI大多為解決模式識別問題而提出。通過研究發(fā)現(xiàn)，由于沒有充分考慮遙感集簇之間的重疊和中心距離過近問題，大部分已有CVI指數(shù)不適于處理遙感數(shù)據(jù)（包括遙感聚類常用的XBI），需要發(fā)展新的面向遙感數(shù)據(jù)的CVI指數(shù)。
研究人員構(gòu)建了完整的基于蜂群智能的遙感信息提取理論方法與技術(shù)體系（UBCO）。將UBCO與傳統(tǒng)的k-means及遺傳算法、粒子群算法等進(jìn)行了對比，并在多種景觀類型區(qū)域（復(fù)雜濕地地區(qū)等）對方法有效性進(jìn)行了驗證。實驗結(jié)果表明，UBCO具備均衡且強大的最優(yōu)聚類中心的挖掘能力：在濕地景觀地區(qū)，UBCO的總體分類精度（OA）顯著性地優(yōu)于其它方法，OA提高3%以上；而在城市和自然景觀地區(qū)，UBCO的OA比傳統(tǒng)k-means方法提高2%以上。此外，經(jīng)過多次運行測試，UBCO在所有方法中穩(wěn)定度最高，魯棒性最好。
相關(guān)研究開拓了群集智能算法在遙感領(lǐng)域的應(yīng)用，提高了遙感信息智能化挖掘的技術(shù)水平，并為遙感聚類評估指數(shù)的發(fā)展提供了指導(dǎo)，有望推進(jìn)遙感信息自動化處理程度。
相關(guān)成果分別發(fā)表于遙感領(lǐng)域國際主流學(xué)術(shù)期刊International Journal of Remote Sensing和Remote Sensing上。研究得到國家自然科學(xué)基金（41301465）及國家重大專項項目（21-Y30B05-9001-13）資助，主要工作由我所地理信息系統(tǒng)學(xué)科組團(tuán)隊李華朋，張樹清和丁小輝博士完成，李華朋助理研究員為第一作者和通訊作者。
論文信息：
[1] Huapeng Li*, Shuqing Zhang, Xiaohui Ding, Ce Zhang and Roger Cropp. A novel unsupervised bee colony optimization (UBCO) method for remote sensing image classification: A case study in a heterogeneous marsh area. International Journal of Remote Sensing, 2016, 37(24): 5726–5748.
鏈接：http://www.tandfonline.com/doi/full/10.1080/01431161.2016.1246771
免費下載：http://www.tandfonline.com/eprint/qMJrphndPNg2edFm8cRY/full
[2] Huapeng Li*, Shuqing Zhang, Xiaohui Ding, Ce Zhang and Patricia Dale. Performance evaluation of cluster validity indices (CVIs) on multi/hyperspectral remote sensing datasets.Remote Sensing, 2016, 8(4): 295
附件下載：
吉公網(wǎng)安備22017302000214號
