基于遗传和蚁群组合算法优化的遥感图像分割

刘朔; 武红敢; 温庆可

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于遗传和蚁群组合算法优化的遥感图像分割

刘朔, 武红敢, 温庆可

文章导航 > 武汉大学学报 ( 信息科学版) > 2009 > 34(6): 679-683

刘朔, 武红敢, 温庆可. 基于遗传和蚁群组合算法优化的遥感图像分割[J]. 武汉大学学报 ( 信息科学版), 2009, 34(6): 679-683.

引用本文:

刘朔, 武红敢, 温庆可. 基于遗传和蚁群组合算法优化的遥感图像分割[J]. 武汉大学学报 ( 信息科学版), 2009, 34(6): 679-683.

LIU Shuo, WU Honggan, WEN Qingke. Segmentation of Remote Sensing Image Based on a Combination of Genetic Algorithm and Ant Colony Algorithm[J]. Geomatics and Information Science of Wuhan University, 2009, 34(6): 679-683.

Citation:

LIU Shuo, WU Honggan, WEN Qingke. Segmentation of Remote Sensing Image Based on a Combination of Genetic Algorithm and Ant Colony Algorithm[J]. Geomatics and Information Science of Wuhan University, 2009, 34(6): 679-683.

基于遗传和蚁群组合算法优化的遥感图像分割

刘朔^{1,3,武红敢},
武红敢,
温庆可²

¹中国科学院遥感应用研究所,北京市朝阳区大屯路9718信箱100101;²中国林业科学研究院资源信息研究所,北京市海淀区颐和园后100091;³中国科学院研究生院,北京市石景山区玉泉路甲19号,100039

基金项目: 国家863计划资助项目(2007AA12Z181)

详细信息

作者简介:
刘朔,博士生,助教。主要研究领域为GIS、遥感图像处理。

中图分类号: P237.4

Segmentation of Remote Sensing Image Based on a Combination of Genetic Algorithm and Ant Colony Algorithm

LIU Shuo^{1,3,武红敢},
WU Honggan,
WEN Qingke²

¹ Institute of Remote Sensing Application,Chinese Academy of Sciences,P.O.Box 9718,Datun Road,Chaoyang District,Beijing 100101,China; ² Institute of Forest Resource Information Techniques,Chinese Academy of Forestry,Yiheyuan,Haidian District,Beijing,100091,China; ³ Graduate University of Chinese Academy of Sciences,A19 Yuquan Road,Shijingshan District,Beijing 100049,China

Funds: 国家863计划资助项目(2007AA12Z181)

摘要: 将遗传算法和蚁群算法组合对模糊聚类进行优化,巧妙地对图像的像素特征和空间特征进行提取,利用这些特征作为聚类依据,将图像的多个特征结合到智能计算中,充分利用了遗传算法和蚁群算法各自的优势和特点,既提高了图像分割的准确性,又加快了分割过程的速度。实验结果表明,遗传算法和蚁群组合算法优化的模糊聚类是一种性能良好的遥感图像分割方法。
- 遥感图像分割 /
- 小生境遗传算法 /
- 蚁群算法 /
- 三维熵 /
- 模糊聚类
Abstract: We combine genetic algorithm(GA) with ant colony algorithm(ACA),which is introduced to optimize fuzzy cluster.Both pixel features and spatial features are extracted subtly,which are all used as cluster basis in intelligent computation.Niche genetic algorithm is used to optimize the course of looking for multiple optimal cluster centers.ACA is used to optimize the course of fuzzy clusters.In this way,the accuracy of image segmentation is improved greatly,and the course of image segmentation is accelerated as well.Experimental results show that the method proposed this paper is an efficient approach to segmentation of remote sensing image.
- segmentation of remote sensing image /
- niche genetic algorithm /
- ant colony algorithm /
- three-dimensional entropy /
- fuzzy clustering

[1]	朱庆, 韩会鹏, 于杰, 杜志强, 张骏骁, 吴晨, 沈富强. 应急测绘无人机资源多目标优化调度方法 . 武汉大学学报 ( 信息科学版), 2017, 42(11): 1608-1615. doi: 10.13203/j.whugis20130000
[2]	张建廷, 张立民. 结合光谱和纹理的高分辨率遥感图像分水岭分割 . 武汉大学学报 ( 信息科学版), 2017, 42(4): 449-455,467. doi: 10.13203/j.whugis20150097
[3]	黄少滨, 杨欣欣. 基于最小平方和残差的高阶模糊联合聚类算法 . 武汉大学学报 ( 信息科学版), 2015, 40(2): 238-242.
[4]	巩现勇, 武芳, 姬存伟, 翟仁健. 道路网匹配的蚁群算法求解模型 . 武汉大学学报 ( 信息科学版), 2014, 39(2): 191-195. doi: 10.13203/j.whugis20120649
[5]	付辉敬, 田铮, 冉茂华, 贺飞跃. 遥感图像分割中的小波域改进信息割算法 . 武汉大学学报 ( 信息科学版), 2013, 38(4): 460-464.
[6]	孔令桥, 秦昆, 龙腾飞. 利用二型模糊聚类进行全球海表温度数据挖掘 . 武汉大学学报 ( 信息科学版), 2012, 37(2): 215-219.
[7]	马彩虹, 戴芹, 刘士彬. 一种融合PSO和Isodata的遥感图像分割新方法 . 武汉大学学报 ( 信息科学版), 2012, 37(1): 35-38.
[8]	刘亚文, 庞世燕, 左志奇. 蚁群算法的建筑立面点云数据提取 . 武汉大学学报 ( 信息科学版), 2012, 37(11): 1307-1310.
[9]	赵凤, 刘汉强, 范九伦, 潘晓英. 应用于遥感图像分割的原型提取谱聚类集成算法 . 武汉大学学报 ( 信息科学版), 2012, 37(12): 1472-1476.
[10]	张正禄, 汪宏晨, 邓勇, 谢年生. 滑坡变形分析与预报的新方法 . 武汉大学学报 ( 信息科学版), 2009, 34(12): 1387-1389.
[11]	钟燕飞, 张良培, 李平湘. 遥感影像分类中的模糊聚类有效性研究 . 武汉大学学报 ( 信息科学版), 2009, 34(4): 391-394.
[12]	张剑清, 孙明伟, 张祖勋. 基于蚁群算法的正射影像镶嵌线自动选择 . 武汉大学学报 ( 信息科学版), 2009, 34(6): 675-678.
[13]	胡春春, 孟令奎, 谢文君, 周新忠. 空间数据模糊聚类的有效性评价 . 武汉大学学报 ( 信息科学版), 2007, 32(8): 740-743.
[14]	闫利, 张毅. 基于法向量模糊聚类的道路面点云数据滤波 . 武汉大学学报 ( 信息科学版), 2007, 32(12): 1119-1122.
[15]	葛小三, 边馥苓. 蚁群算法求解三维表面路径方法的研究 . 武汉大学学报 ( 信息科学版), 2007, 32(4): 366-368.
[16]	邢喆, 王泽民, 伍岳. 利用模糊聚类方法筛选GPS载波相位组合观测值 . 武汉大学学报 ( 信息科学版), 2006, 31(1): 23-26.
[17]	苗作华, 刘耀林, 王海军. 耕地需求量预测的加权模糊-马尔可夫链模型 . 武汉大学学报 ( 信息科学版), 2005, 30(4): 305-308.
[18]	潘励, 郑宏, 张祖勋, 张剑清. 集成高度和彩色纹理特征的影像目标模糊聚类识别方法 . 武汉大学学报 ( 信息科学版), 2004, 29(4): 311-314.
[19]	叶志伟, 郑肇葆. 蚁群算法中参数α、β、ρ设置的研究——以TSP问题为例 . 武汉大学学报 ( 信息科学版), 2004, 29(7): 597-301.
[20]	郑肇葆. 协同模型与遗传算法的集成 . 武汉大学学报 ( 信息科学版), 2001, 26(5): 381-386.

点击查看大图

计量

文章访问数: 764
HTML全文浏览量: 56
PDF下载量: 497
被引次数: 0

基于遗传和蚁群组合算法优化的遥感图像分割

¹中国科学院遥感应用研究所,北京市朝阳区大屯路9718信箱100101;²中国林业科学研究院资源信息研究所,北京市海淀区颐和园后100091;³中国科学院研究生院,北京市石景山区玉泉路甲19号,100039

基金项目: 国家863计划资助项目(2007AA12Z181)

作者简介:
刘朔,博士生,助教。主要研究领域为GIS、遥感图像处理。

收稿日期: 2009-04-16
修回日期: 2009-04-16
刊出日期: 2009-06-05

中图分类号: P237.4

关键词:

三维熵 /

摘要: 将遗传算法和蚁群算法组合对模糊聚类进行优化,巧妙地对图像的像素特征和空间特征进行提取,利用这些特征作为聚类依据,将图像的多个特征结合到智能计算中,充分利用了遗传算法和蚁群算法各自的优势和特点,既提高了图像分割的准确性,又加快了分割过程的速度。实验结果表明,遗传算法和蚁群组合算法优化的模糊聚类是一种性能良好的遥感图像分割方法。