复杂地震环境下多源遥感影像引力智能优化分类模型与算法研究

Classification of remotely sensed image of earthquake disasters plays a critical role in disaster evaluation. The classification is facing big challenges in two key issues because of complex seismic environment. One is the description of earthquake scene and the other is the design and optimization of classifier. Some serious problems appear in existing classification algorithms. In the description of earthquake scene, information use is too simplicity. In the design and optimization of classifier, parameters highly depend on experience, intelligent degree is low, and optimum fall into local easily. Gravitational Search Algorithm (GSA) is known with strong intelligence ability of global optimization in feature space, combined GSA with multi-source remote sensing image is expected to solve the above problem. Therefore, based on in-depth analysis of GSA and multi-source remote sensing image, our project establishes the optimization model for the above issues and proposes the following research objectives: (1) Study the theory of feature detection, combination and optimization with GSA to provide the feature space in seismic multi-source remote sensing image, and establish the earthquake scene description model. (2) Study the land-surface objects clustering rules in the feature space, and design or optimize classifiers in the feature space with GSA. An intelligent optimization model and algorithm will be finally established for complex scene description and classification, all of which will fundamentally improve the accuracy of classification of the remotely sensed image of earthquake disasters. As an important basic research in remote sensing, this project not only provides strong theoretical and technical support for natural disaster evaluation, but also offers important scientific significance to the cognition of Geo-science and intelligent processing based on remote sensing information.

震害影像分类在震害评估中起着关键作用。受地震复杂环境的影响，影像分类在地震场景描述和分类器设计及优化两个关键问题上面临巨大挑战。目前的分类算法在场景描述方面，信息利用不足；在分类器方面，参数依靠经验确定，智能化程度不高，且容易陷入局部最优。引力智能优化算法（GSA）优越的智能全局寻优性能，结合多源遥感影像，可望解决上述问题。针对这一现状，本项目利用多源遥感影像，在深入分析GSA的基础上，对上述问题建立优化模型，提出以下研究内容：（1）研究震害目标多源特征提取、组合和优化理论，构建特征空间，建立场景描述模型；（2）进一步研究震害目标在特征空间的聚类规律，设计并优化分类器。最终建立一套复杂地震场景描述及分类的智能优化模型和算法，解决震害影像分类面临的问题，提高分类精度。作为遥感信息领域一个重要的基础性研究，本项目不仅对自然灾害评估具有重要价值，对遥感信息地学认知和智能处理也具有重要的科学意义。

本课题从智能优化的角度出发，针对震害遥感影像特征在选择和分类方法优化两个方面面临的问题，探索了针对复杂震害场景分类的新方法和新思路。在深入分析多源高分震害影像特点的基础上，将分类问题转化为优化问题，进而设计了基于引力智能优化算法的分类方法体系，突破了复杂地震环境对震害信息提取精度的限制，为实现高分辨率遥感影像信息的智能转化和认知奠定了基础。.具体来说，按照项目计划书的要求，本项目主要取得了如下研究成果：.（1）设计了一种基于引力智能优化算法的映射机制，将引力智能优化算法成功的应用到震害分类领域。该映射机制将分类的问题的特征空间和引力智能优化算法的参数空间进行耦合，建立了参数空间和引力模型的映射关系，构建了优化系统。进而系统地研究了引力智能优化算法的收敛机理，从学习机制、邻域、参数、多目标优化等角度，提出了一系列改进算法，为之后的特征优化和分类提供理论基础。 .（2）研究了多源遥感影像特征提取、组合及特征空间优化模型。基于多源遥感数据，构建了复杂地震场景的目标描述模型，并利用引力智能优化算法对场景描述模型的参数进行优化；分析了不同的特征组合对分类算法的影响，在此基础上，构建了特征空间的降维优化模型。.（3）基于引力智能优化算法，设计了多源震害遥感影像分类算法。研究了震害目标在特征空间的聚类规律，构建了聚类问题参数空间与引力智能优化算法搜索空间的映射关系，结合模糊C均值、XB指数设计了优化的多目标聚类算法，并实现了对多核支持向量机分类算法的优化，最终建立了一套复杂地震场景描述及分类的智能优化模型和算法。.作为遥感信息领域一个重要的基础性研究，本项目不仅对自然灾害评估具有重要价值，对遥感信息地学认知和智能处理也具有重要的科学意义。