粒子群优化算法在遥感影像增强中的应用

201004JournalofGeomaticsScienceandTechnology

Ar.2010p

()1673灢6338201002灢0116灢04暋文章编号:

粒子群优化算法在遥感影像增强中的应用

李林宜1,李德仁2

)武汉大学测绘遥感信息工程国家重点实验室,湖北武汉暋42.30079

(武汉大学遥感信息工程学院,湖北武汉暋41.30079;

摘要:遥感影像的复杂性给影像增强处理带来了困难。非完全B但eta函数增强方法具有理想的增强效果,是,其参数的合理选取是算法的关键与难点。粒子群优化算法(是基于鸟群群体智能的新型进化计算技PSO)术,具有自适应、自组织等智能特性,具有强大的寻找最优解的能力。这里将PSO用于Beta函数参数的自适应选取,实现了基于P并通过航空和卫星遥感影像的增强实验,验证了该方SO的非完全Beta函数增强方法,法的有效性。

关暋键暋词:粒子群优化算法;遥感;影像增强;自适应;参数选取

/中图分类号:P237暋暋暋文献标识码:A暋暋暋DOI编码:10.3969.issn.1673灢6338.2010.02.011j

ResearchonParticleSwarmOtimizationinRemoteSensinmaeEnhancementpgIg

1敭SchooloemoteSensinndInormationEnineerinuhanUniversituhan430079敩China敾敤fRgafgg敩Wy敩W2敭StateKeaboratornormationEnineerinnSurveinainndRemoteSensinyLyofIfggiyg敩Mppgag敩

12

LILini敩LIDereny灢灢

WuhanUniversituhan430079敩China敥y敩W

Abstract敽Duetothecomlexitfremotesensinimaes敩remotesensinimaeenhancementbecomesadiffipyogggg灢

culttask敭AlthouhtheincomleteBetafunctionenhancementmethodhasgoodenhancementeffects敩Betagpfunctionparameterselectionisthekenddifficultproblem敭Particleswarmotimization敤PSOisanewevo敥yap灢lutionaromutintechniuethatisbasedonswarmintellienceofbirdflocks敭Becauseofitsintellientroycpgqggpp灢ertiessuchasadatationandselforanizin敩PSOhasthestronbilitosearchfortheotimalsolutionsforpgggaytp灢otimizationproblems敭PSOwasusedtogettheotimalBetafunctionparametersadativel敭AndincomletepppypBetafunctionenhancementmethodbasedonPSOwasaliedtoaerialandsatelliteremotesensinmaeenppgig灢hancement敭Theexerimentalresultsshowedthattheproosedmethodiseffective敭ppKeords敽articleswarmotimization敾remotesensin敾imaeenhancement敾adative敾arameterselectionppggppyw

空间技术、通讯技术等发暋暋随着计算机技术、展,遥感技术迅速成长,成为获取地球空间信息的

然而,合理选取Beta函数参数是算法的关键与难点,需要较多的人工干预,缺乏自适应性和智能性。目前,群体智能算法研究正受到越来越多的关注。群体智能即“简单智能的主体通过合作表是KPSO(ParticleSwarmOtimization)ennedpy

博士和Eberhart博士受鸟群行为启发提出的群具有强大的寻找最优解的能力。这里将PSO用的非完全B并通过航空和卫星eta函数增强方法,遥感影像的增强实验,验证了该方法的有效性。于B实现了基于Peta函数参数的自适应选取,SO

[]4

。粒子群优化算法现出复杂智能行为的特性暠

1灢2]

。重要手段,为经济发展与社会进步提供服务[

遥感影像增强是一种重要的遥感信息处理技术,其目的在于改善影像的视觉效果,提高影像的清晰度,突出影像中感兴趣的信息,抑制无用的信息,从而提高影像的使用价值。由于地表景物的复杂性,以及受到大气传输过程中信息衰减和传感器特性等的影响,遥感影像呈现出复杂性,这给遥感影像增强处理带来了困难。Tubbs提出了一种能完全覆盖典型灰度变换函数的非完全Beta

收稿日期:修回日期:2009灢09灢18;2010灢01灢05。暋暋暋暋

5]

,体智能算法[具有自适应、自组织等智能特性,

3]

。非完全B函数[eta函数增强具有理想的效果,

);)。基金项目:国家自然科学基金资助项目(武汉大学自主科研资助项目(405230054082007

,作者简介:李林宜(男,湖北武汉人,讲师,博士,主要从事遥感影像解译与粒子群优化算法研究。1980-)

272暋暋暋117

1暋非完全Beta函数增强算法暋暋Tubbs提出了用归一化的非完全Beta函数

]3

,来自动拟合典型灰度变换函数曲线[归一化的非完全Beta函数F(u)定义为

1毩11---毬)F(u)毩,1-tdt=B(毬)t(

惯性权,其计算公式为

式中,B(毩,eta函数,0<毩<10,0<毬<毬)为B

的形状,通过对毩和10。毩和u)毬的取值控制着F(

毩11--毬)B(毩,1-tdt=t(毬)

曇

1

曇

u0

氊min为最小惯性权。

k

/()氊k(氊makma8=氊max-x-氊min)x

式中,kma氊max为最大迭代次数;x为最大惯性权;

()1()2

k1k1++

和xi应满足约束条件为vimm

k1k1++

x暋xmiì曑xmaim,n曑ximxïïxx暳k1k1++

v暋暋-vmaì曑vmaim,x曑vimxïïk1k1++

()vvma暋暋v9>vmaim=íx,imx

ïïk1+

暋vî-vma<-vmax,imx

进行不同取值,

可以得到各类灰度变换曲线。设yij表示像素(i处理后的灰度值,非完全,j)骤如下。

B的原始灰度值eta熓i函数增强算法的步,yj为其

用的公式为

1

)对原始影像每个像素进行归一化变换,采y曚ij=yiyin式中,曚(j-L/(Lma(3)ij表示像素(

i,jm

)的归一化灰度值)x-Lmin),Lmax和min分别为原始影像的最大和最小灰度值。

用的公式为

2)对归一化影像每个像素进行增强处理,采y曞ij=Fa曚i式中,函数F为非完全Bet(yj函数)

。

(4

)变换得到结果影像3

)根据影像灰度值范围,公式为

,对每个像素进行反y熓ij=(L曚max分别为影像灰度值范围中的最-L曚min)y曞ij+L

曚min式中,L曚(max和L曚min5)大和最小灰度值,与结果影像的 …… 此处隐藏：5678字，全部文档内容请下载后查看。喜欢就下载吧 ……