第30卷，第12期 2010年12月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 30,No. 12,pp3329-3333
December,2010
基于HPSO和FCM的多光谱遥感图像湿地分类
需1,2
蒋卫国12，陈强1.2，郭骥3，唐宏1，2*，李 1.北京师范大学地表过程与资源生态国家重点实验案，北京100875 2.北京师范大学环境演变与白然灾害教育部重点实验室，北京100875 3.北京师范大学数学科学学院，北京100875
摘要分析了基本粒子群算法(PS()、混合粒子群优化算法(HPS()和模糊C-均值算法(FCM)的特点，将模糊C-均值算法引人到混合粒子群优化算法中，发展和改进了HPSO-FCM算法，并在Fortran语言和 MATLAB环境下开发实现HPSO-FCM程序。以2009年6月份的环境一号卫星多光谱可见光图像和ENVI SAT的ASAR微波图像为基础数据，通过波段叠加和主成分分析，得到前3个主成分合成图像。利用HP SO-FCM算法和非监督学习动态案类算法（ISODATA)分别对湖南东润庭潮3个主成分合成图像，进行混地分类实验。结果表明：（1)将模糊C-均值算法引入到混合粒子群优化算法中，具有较好的搜索速度和收敛精度，能有效寻找和优化最作案类中心。（2)HPSO一FCM算法在多光谱遥感图像湿地分类精度比较高，是一种有效的遥感图像分类方法。
关键词混合粒子群算法；模糊C-均值算法；湿地分类；遥感
中图分类号：TP7
引言
文献标识码：A
DOl:10.3964/j.issn.1000-0593(2010)12-3329-05
算法已经在图像分制、影像融合和光谱分析等方面得到成功魔用m)。
目前利用混合粒子群算法（hybridparticleswarmoptimi-
湿地是自然界最重要的白然资源和生态系统，在调节气候、涵养水源、分散洪水、净化环境、保护生物多样性等方面起着重要的作用2]。通感技术的快速发展已经成为湿地监测与分类的重要手段，已经得到了大量应用4。随若遥感图像分类方法的发展，最大似然法、光谱角填图、支持向量机、匹配滤波、神经网络等方法已经在遥感图像分类及湿地信息提取中得到应用[]。
Eberhart等曾提出了粒子群算法（particleswarmoptimi-zation，PSO)，它是继遗传算法、取群算法之后提出的一种简单面有效的新型进化计算技术(")。基本思想米源于对鸟群简化社会模型的研究及对鸟群觅食过程中迁徒和聚集行为的模拟，该算法利用信息共享机制，使个体之间可以相互借鉴经验以促进整个群体的发展，具有典型的群体智能特性。粒子群算法属于进化算法的一种，也是从随机解出发，通过送代寻找最优解，通过适应度来评价解的品质。由Dunn"提出，后经Bezdek*推广的模棚C-均值(FCM)案类算法，算法实现简单和聚类结果比较好。目前粒子群算法与模糊C-均值
收日期：2010-05-10，修订日期：2010-08-20
zation，HPSO)进行遥感图像分类不多，特别是进行湿地分类很少见。本文发展与改进混合粒子群优化算法和模糊C-均值（FCM)象类算法，结合2009年6月环境一号卫星多光谱可见光图像和ENVISATASAR微波图像，对湖南东洞庭湖混地进行分类。实验结果表明，HPSO-FCM改进算法与非监督学习动态聚类算法（ISODATA)相比具有一定的优势，是
一种有效的遇感图像分类方法。 1研究方法
1.1混合粒子群优化算法（HPSO
粒子群算法（PSO)是通过群体中个体的信息传递及信息共享来寻求最优解[，其基本算法如公式(1)和(2)
=w; +ain(phest,z)+agr(gbest;z）(1)
(2)
a+
式中，i是该群体中粒子的总数；w为惯性权重因子，其值非
基金项目：国家白然科学基金项日（40701172)，国家（863计划)项日(2009AA12Z124)，国家科技支撑项目(2008BAC34B01)，公益性行业科
研专项项（200909113)和北京市科技计划项目（D08040600580801)资助
作者简介：蒋卫国，1976年生，北京师范大学地表过程与资源生态国家重点实验室博士
*通讯联系人
e-mail;tanghong@bnu edu,cn
万方数据
e-mail;jwg76@163,com