基于混沌免疫算法和遥感影像的土地利用分类

为提高利用遥感影像进行土地利用分类的精度,采用了基于混沌免疫算法(Chaos Immune Algorithm)的多光谱遥感影像分类方法。首先应用混沌免疫算法对样本进行自学习得到全局最优的聚类中心,然后通过得到的聚类中心对整幅影像进行分类。该方法利用混沌变量的遍历性,进行粗粒搜索,优化免疫算法的初始抗体群;通过克隆选择算子、变异算子、抗体的循环补充操作,避免陷入局部最优解,得到全局最优的聚类中心。在对淮南矿区采用TM影像进行的土地利用分类中,试验结果表明该方法分类总精度为89.9%,Kappa系数为0.873,优于传统的Parallelepiped和Maximum likelihood分类方法。证明通过混沌变量的遍历搜索一定程度上克服了样本光谱值的局部性,引入免疫机制可以改善解的最优性。