基于神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像分類研究.pdf

1、自20世紀70年代起，衛(wèi)星遙感技術(shù)的發(fā)展帶來了遙感影像呈現(xiàn)出來級分辨率的趨勢，逐漸步入以高分辨率遙感影像數(shù)據(jù)為主要產(chǎn)物的時代。遙感影像分類技術(shù)可以有效地將高分辨率影像中豐富的信息資源提取出來，并轉(zhuǎn)化為科學的分析成果以進行實際的生產(chǎn)和應(yīng)用，從而在商業(yè)和民用領(lǐng)域中發(fā)揮出重大作用。 人工神經(jīng)網(wǎng)絡(luò)(ANN)分類法是一種非參數(shù)的分類方法，具有良好的適應(yīng)能力和復(fù)雜的映射能力，能實現(xiàn)非線性的數(shù)據(jù)模式識別，比之基于傳統(tǒng)統(tǒng)計理論的分類方法，它無須

2、事先假定或估計目標的概率分布函數(shù)，故在進行以數(shù)據(jù)量多、含混度高著稱的遙感影像的分類處理時，該方法能獲得很好的分類結(jié)果和精度。其次，神經(jīng)網(wǎng)絡(luò)方法能夠有效地結(jié)合高分辨率影像的光譜和紋理特征，充分地利用影像的光譜和空間信息，有望提高分類精度。 本文以2006年11月獲取的四川省成都市郫縣犀浦鎮(zhèn)部分地區(qū)的QuickBird影像作為實驗數(shù)據(jù)，采用BP神經(jīng)網(wǎng)絡(luò)方法對研究區(qū)域進行分類處理及精度評定等研究。論文主要完成了如下研究內(nèi)容并得到相應(yīng)的

3、結(jié)論： 1、論文針對高分辨率影像的特征，對研究區(qū)域的QuickBird影像進行基本處理與分析，主要根據(jù)最佳指數(shù)因子0IF分析、圖像融合處理、灰度共生矩陣紋理分析等，提取出影像最優(yōu)組合的光譜特征(融合后的432波段影像)和紋理特征(從全色影像提取的對比度CON紋理圖像)，作為待分類的特征數(shù)據(jù)。 2、分析待分類的特征數(shù)據(jù)和研究區(qū)域的地物特征，選取訓(xùn)練樣本、設(shè)定BP網(wǎng)絡(luò)結(jié)構(gòu)，并采用訓(xùn)練樣本歸一化預(yù)處理、引入動量因子、設(shè)定各層不

4、同的學習率和調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)等方法對BP算法進行改進，以保證訓(xùn)練的穩(wěn)定性和提高收斂速度?；贓NVI平臺和IDL語言編寫了BP神經(jīng)網(wǎng)絡(luò)分類及精度評定的計算機程序，實現(xiàn)了研究區(qū)域QuickBird影像的BP神經(jīng)網(wǎng)絡(luò)分類。研究結(jié)果表明：結(jié)合高分辨率影像的光譜和紋理信息后，BP神經(jīng)網(wǎng)絡(luò)分類的精度得到提高，其分類總體精度達到93％以上，且Kappa系數(shù)超過0.9。 3、采用BP神經(jīng)網(wǎng)絡(luò)法和最大似然法進行對比試驗。研究表明：BP神經(jīng)網(wǎng)絡(luò)分類方

5、法能區(qū)分出最大似然法無法區(qū)別的地物，其分類結(jié)果圖的整體質(zhì)量更好，且其分類總體精度和Kappa系數(shù)均略大于最大似然法對應(yīng)的參數(shù)，從而驗證了BP神經(jīng)網(wǎng)絡(luò)分類法優(yōu)于最大似然分類法，前者更適用于一般區(qū)域的分類處理和信息提取。 本文結(jié)合高分辨率影像的光譜和紋理特征，采用BP神經(jīng)網(wǎng)絡(luò)分類法實現(xiàn)了影像的自動分類處理，完成了地物信息提取。這一試驗研究及成果對我國西南部平原地區(qū)基于高分辨率影像的土地利用/土地覆蓋資源調(diào)查具有一定的參考和指導(dǎo)意義。