基于云计算平台的遥感图像特征选择与优化研究

黄孝斌， 高雪， 钱利军

(成都理工大学 工程技术学院， 四川 乐山 614000)

0 引言

随着光学技术，传感器技术和遥感技术的不断成熟，产生了光学遥感技术，其在许多领域得到了成功应用[1-3]。通常情况下，通过红外波段传感器获取遥感图像，相对于普通图像，遥感图像的分辨率更高、抗干扰性更强，同时遥感图像包含的特征信息空间要大于普通图像，所以在遥感图像的实际应用中，如何从遥感图像中快速、准确提取一些有用信息十分关键，这样就需要对遥感图像进行分类[4]。

针对遥感图像分类问题，许多学者进行了有益的探索，并取得了大量的研究成果，最初人们通过目视解译方法进行遥感图像分类，该方法的遥感图像分类效果好，但是遥感图像分类时间长，而且花费大量的精力，与现代遥感图像分类发展趋势背道而驰[5-6]。随后出现了基于稀疏编码的遥感图像分类法，该方法忽略了遥感图像的细节信息，对于复杂的遥感图像，遥感图像分类正确率低[7]。近年来，随着机器学习算法的不断进步，有学者将其引入到遥感图像分类研究中，出现了卷积神经网络的遥感图像分类方法、极限学习机的遥感图像分类方法、支持向量机的遥感图像分类方法，它们获得比较好的遥感图像分类结果[8-10]。在实际应用中，这些方法均要进行遥感图像特征提取，但是遥感图像特征的类别多，数量大，而且原始遥感图像特征之间存在大量的信息重复，这些重复信息会对遥感图像分类结果产生干扰，降低了遥感图像分类正确率，因此需要进行遥感图像分类特征和优化研究[11-13]。……