基于改进蚁群算法的无人机遥感影像森林类型分类

作者：赵桂玲; 李鹏年^*; 郭泉荣; 谭茂林

来源：激光与光电子学进展, 2022, 59(16): 419-426.

• 森林分类
• 改进的蚁群算法
• 支持向量机
• 径向基核函数

针对单一分类器在森林分类中分类精度低的问题，提出一种改进的蚁群算法结合支持向量机的分类模型（ACOSVM）。该模型通过在蚁群搜索中加入部分有限搜索避免局部极值，并在信息素更新中引入时变函数，将动态更新策略与支持向量机结合，对径向基核函数参数进行优化。将该模型用于无人机可见光遥感影像森林类型分类，得到的实验结果为：在光谱特征影像分类中，对比ABC-SVM、GA-SVM、单纯的SVM模型，所提ACO-SVM在森林类型分类中效果最优，分类总体精度为81%,Kappa系数为0.7500；引入不同的纹理特征后，基于灰度共生矩阵特征对大兴安岭根河林区进行分类，总体分类精度为85%,Kappa系数为0.8063；引入Gabor纹理特征后，总体分类精度为87.5%,Kappa系数为0.8438。

• 单位
  辽宁工程技术大学