東北地理所在地理遙感智能計算領域取得新進展
隨著對地觀測技術的不斷發展，人類每日獲得的遙感數據達到海量級別（TB級）。然而現有技術方法數據處理能力較弱，亟需發展智能化、自動化的地理遙感信息處理技術方法。最優聚類中心的挖掘及最優分類數目的確定，均為遙感信息智能處理研究中的關鍵技術。針對該技術需求，東北地理所地理信息系統學科組成員，將人工智能領域先進的生物群集智能算法引入遙感影像聚類（分類）領域，獲得了全局最優聚類中心；并遴選了適宜于遙感數據的聚類評估指數，從機理角度對現有聚類有效指數（CVI）指數進行了深入分析。作為一種度量聚類可靠性指標，CVI大多為解決模式識別問題而提出。通過研究發現，由于沒有充分考慮遙感集簇之間的重疊和中心距離過近問題，大部分已有CVI指數不適于處理遙感數據（包括遙感聚類常用的XBI），需要發展新的面向遙感數據的CVI指數。
研究人員構建了完整的基于蜂群智能的遙感信息提取理論方法與技術體系（UBCO）。將UBCO與傳統的k-means及遺傳算法、粒子群算法等進行了對比，并在多種景觀類型區域（復雜濕地地區等）對方法有效性進行了驗證。實驗結果表明，UBCO具備均衡且強大的最優聚類中心的挖掘能力：在濕地景觀地區，UBCO的總體分類精度（OA）顯著性地優于其它方法，OA提高3%以上；而在城市和自然景觀地區，UBCO的OA比傳統k-means方法提高2%以上。此外，經過多次運行測試，UBCO在所有方法中穩定度最高，魯棒性最好。
相關研究開拓了群集智能算法在遙感領域的應用，提高了遙感信息智能化挖掘的技術水平，并為遙感聚類評估指數的發展提供了指導，有望推進遙感信息自動化處理程度。
相關成果分別發表于遙感領域國際主流學術期刊International Journal of Remote Sensing和Remote Sensing上。研究得到國家自然科學基金（41301465）及國家重大專項項目（21-Y30B05-9001-13）資助，主要工作由我所地理信息系統學科組團隊李華朋，張樹清和丁小輝博士完成，李華朋助理研究員為第一作者和通訊作者。
論文信息：
[1] Huapeng Li*, Shuqing Zhang, Xiaohui Ding, Ce Zhang and Roger Cropp. A novel unsupervised bee colony optimization (UBCO) method for remote sensing image classification: A case study in a heterogeneous marsh area. International Journal of Remote Sensing, 2016, 37(24): 5726–5748.
鏈接：http://www.tandfonline.com/doi/full/10.1080/01431161.2016.1246771
免費下載：http://www.tandfonline.com/eprint/qMJrphndPNg2edFm8cRY/full
[2] Huapeng Li*, Shuqing Zhang, Xiaohui Ding, Ce Zhang and Patricia Dale. Performance evaluation of cluster validity indices (CVIs) on multi/hyperspectral remote sensing datasets.Remote Sensing, 2016, 8(4): 295
附件下載：
吉公網安備22017302000214號
