基於人工免疫網路的高光譜遙感影像特徵選擇與分類

《基於人工免疫網路的高光譜遙感影像特徵選擇與分類》是依託武漢大學，由鐘燕飛擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於人工免疫網路的高光譜遙感影像特徵選擇與分類
• 項目類別：青年科學基金項目
• 項目負責人：鐘燕飛
• 依託單位：武漢大學

項目摘要

高光譜遙感影像特徵選擇能夠在保持數據原有信息的同時，有效避免分類過程中出現Hughes現象，是高光譜遙感影像處理的研究熱點之一。如何獲得最優特徵子集，並提高分類器的分類精度是高光譜遙感影像特徵選擇與分類的核心難題。本項目研究基於人工免疫網路的高光譜遙感影像特徵選擇與分類方法，利用人工免疫網路自學習、自組織、自記憶的優點，通過人工免疫網路模型框架下的選擇、克隆、變異、記憶等免疫運算元實現穩健、快速的智慧型化高光譜遙感影像特徵選擇方法，獲得最優特徵子集，同時根據高光譜遙感影像的高維數據特點，發展適用於高光譜遙感影像處理的人工免疫網路模型，提出新型的人工免疫網路分類器，並與特徵選擇方法進行集成，共同形成智慧型化人工免疫高光譜遙感影像特徵選擇與分類方法，其最終成果不僅可以提高分類精度，也為高光譜遙感影像智慧型化處理開闢了一條新的途徑。

結題摘要

高光譜遙感影像特徵選擇能夠在保持數據原有信息的同時，有效避免分類過程中出現Hughes現象，是高光譜遙感影像處理的研究熱點之一。本項研究利用人工免疫網路自學習、自組織、自記憶的優點，提出了基於人工免疫網路的高光譜遙感影像特徵選擇與分類方法，提高了高光譜遙感影像特徵選擇和分類的精度。針對高光譜數據的高維特點及人工免疫網路建模中的難點，以“數據表達—特徵選擇—學習與分類”為研究主線，發展了穩健、快速的智慧型化高光譜遙感影像特徵選擇與分類方法，實現了高光譜遙感數據的有效表達、特徵選擇和分類識別，其研究成果不僅提升了高光譜遙感影像的解譯能力，也為高光譜遙感影像智慧型化處理開闢了一條新的途徑。在項目資助下，項目組發表和接收科研論文24篇，其中在IEEE Transaction on Geoscience and Remote Sensing 等遙感領域國際頂級期刊上發表和接收SCI檢索論文10篇，申請發明專利4項，獲得省部級一等獎2項；在人才培養方面，項目負責人由副教授晉升為教授，並受聘武漢大學珞珈青年學者，項目組培養畢業博士研究生3人，碩士研究生3人，在讀博士研究生2人，碩士研究生3人。