基于智能信息融合的多光谱遥感图像分类算法研究

Image classification technology can mine the valuable information rapidly and effectively from multispectral remote sensing image, therefore, the research of image classification algorithm is very important. So far researches have been able to extract multiaspect information features form different angles for classification, however, exciting methods usually was designed based on a single information feature. Although the classification algorithm based on multiple information feature fusion is also increasing, artificial weighting for multiple information is the main idea and intelligent weighting algorithm is rare..According to our previous studies, multi-objective evolutionary algorithm has better performance in multiple feature classification and multiple distance measure classification. To this end, this project intends to systematically study the intelligent information fusion classification algorithm based on multi-objective evolutionary algorithm. The main content contains multiple visual features intelligent funsion, multiple wavelength set intelligent fusion and multiple similarity measures intelligent funsion. They need to explore the connection between multiple information fusion classification problem and multi-objective evolutionary algorithm by designing several simple chromosomes and many reasonable fitness functions. Moreover, we can take the properties of problem itself and statistical information as heuristic information into evolutionary operators for improving the convergence speed. This project will provide a new theoretical basis and technical support for multispectral image intelligent information fusion classification

图像分类技术可以快速而准确地从多光谱遥感图像中挖掘出有价值的信息，所以对图像分类算法的研究显得至关重要。目前研究者已能够从不同角度提取多方位的信息特征对图像进行分类，但现有的算法通常基于单一的信息特征而设计。虽然基于多信息特征融合的分类算法也逐渐增多，然而人工分配权重为多信息融合的主要思想，智能权重分配算法并不多见。根据我们前期研究表明，多目标进化算法在多特征分类以及多距离测度分类上有较好的效果。基于此，本项目拟系统地研究基于多目标进化算法的智能信息融合分类算法，主要包括多视觉特征智能融合、子波段集智能融合以及多相似性测度智能融合。通过设计简洁的染色体、合理的适应度函数组来寻找多信息融合分类问题与多目标进化算法之间的关联，并将问题自身特性和统计特性作为启发式信息加入到进化算子的设计中，提高算子的收敛速度。项目的成功实施，将为多光谱图像智能信息融合分类提供新的理论基础和技术支持。

多光谱遥感图像分类技术在科学研究和实际应用中均有非常重要的价值，其最终目标是对图像中地物进行分析和解译，而解译的前提需要对图像中的感兴趣目标进行区分和识别，这就需要对图像进行分类。该问题一直是遥感应用研究的难点和热点问题。本项目针对该问题，研究和探索利用多目标进化算法框架，设计基于多信息融合的多光谱图像分类模型及其算法框架。项目进展顺利，在理论研究方面，主要围绕一下四个方面展开重点研究。（1）多视觉特征融合的多光谱遥感图像分类模型设计，（2）多相似测度融合的多光谱遥感图像分类模型设计，（3）多光谱子空间的多光谱图像分类模型设计以及（4）多目标进化算法设计及其在优化前述三类问题时，设计专有的进化算子以提高算法的运行时间。并使用离散数据和图像数据对提出算法进行有效性验证，并探讨和分析了提出的模型的正确性。实验表明提出的模型，在数据集及遥感图像分类精度上都有显著提高，并且部分算法在时间性上也取得了进展。这表明该项目达到了预期的效果，并且在理论方法方面取得了多项突破，圆满的完成了各项研究任务。除此之外，基于该项目我们对遥感图像做深入研究，开展了基于深度学习的遥感图像重建算法的研究。并获得了初步的进展。在研究成果方面，课题组成员完成论文12篇（其中SCI论文4篇，核心期刊论文6篇，CCF会议论文1篇，教研论文1篇）。在人才培养方面，培养研究生5人。在学术合作方面，参加ACCV2020学术会议1次。