基于遗传粒子群优化模型的遥感图像融合与分类方法及应用研究

本项目以改进粒子群优化算法（PSO）为主线，以研发遥感图像融合与分类方法为核心，以洪水灾害应用为目标，通过集成遗传算法(GA)，建立一种新型的遗传粒子群优化模型（GAPSO），研究基于GAPSO模型的洪涝灾害遥感图像融合与分类方法。该研究完善粒子群优化算法的理论和算法，开拓GAPSO在遥感图像处理和应用领域的研究方向，对GAPSO在更广阔的领域中进行应用具有一定的借鉴和启示意义。.主要研究内容包括：（1）优化和改进PSO的空间结构和关键参数，集成遗传算法(GA)，建立GAPSO模型；（2）结合像素级融合方法，建立基于GAPSO模型的遥感图像融合方法，对多光谱图像与全色图像（微波图像）进行融合；（3）结合面向对象分类方法，建立基于GAPSO模型的遥感图像分类方法，对融合图像进行分类与识别；（4）研究GAPSO模型、图像融合与分类方法在洪涝灾害中的应用。

粒子群优化算法(Particle Swarm Optimization, PSO)是一种基于群体优化的新型启发式全局随机搜索优化算法，具有生物社会背景、可调参数少、算法易实现、全局搜索能力强、运行效率高等特点，倍受遥感图像分类及融合方向的广泛关注，成为发展最快的优化算法之一。. 本项目以改进粒子群优化算法（PSO）为主线，通过集成遗传算法(GA)，建立一种新型的遗传粒子群优化模型（GAPSO），研究基于GAPSO 模型的遥感图像融合与分类方法。主要研究内容：（1）优化和改进PSO 的空间结构和关键参数，集成遗传算法(GA)，建立了GAPSO 模型；（2）结合像素级融合方法，建立基于GAPSO 模型的遥感图像融合方法，对多光谱图像与全色图像（微波图像）进行融合；（3）结合面向对象分类方法，建立基于GAPSO模型的遥感图像分类方法，对融合图像进行分类与识别；（4）研究GAPSO 模型、图像融合与分类方法在洪涝灾害、堰塞湖及土地类型等识别提取中的应用。. 本项目组已经研发了基于GAPSO 模型的遥感图像融合与分类算法，在遥感图像分类及地物信息提取中取得较好的实验和应用。该研究完善粒子群优化算法的理论和算法，开拓GAPSO 在遥感图像处理和应用领域的研究方向，对GAPSO在更广阔的领域中进行应用具有一定的借鉴和启示意义。