21757.基于小波變換和bp人工神經(jīng)網(wǎng)絡的遙感影像分類研究

1、：?！?，、；Ⅵ?！趇～‘學校代碼：10135論文分類號：學號：20094017033研究生類別：全日制曲撂之左矛貉犬謦碩士學位論文基于小波變換和BP人工神經(jīng)網(wǎng)絡的遙感影像分類研究StudyonClassificationofRemoteSensingImageBasedonWaveletTransfolrmandBPArtificialNeuralNetwork學科門類：理學一級學科：地理學學科、專業(yè)：地圖學與地理信息系統(tǒng)研究方向：

2、GIs軟件二次開發(fā)申請人姓名：任建斌指導教師姓名：包玉海教授二。一二年六月九日、，氣善一爭＼』t，，0辛m。瞎、裴。墨，～rlL～隨著遙感影像分類的應用越來越廣泛，計算機自動分類的方法就顯得越來越重要。傳統(tǒng)的遙感圖像分類方法，一般是利用遙感圖像的統(tǒng)計特征值或訓練區(qū)樣本數(shù)據(jù)之間的統(tǒng)計關系進行模式識別的。地表是復雜的，遙感圖像上存在“同譜異物”或者“同物異譜”等現(xiàn)象。近年來，隨著人工神經(jīng)網(wǎng)絡理論的發(fā)展，神經(jīng)網(wǎng)絡技術日益成為遙感圖像分類處理的

3、一個重要手段，神經(jīng)網(wǎng)絡分類法為解決傳統(tǒng)遙感圖像分類的不足提供了可能。BP神經(jīng)網(wǎng)絡分類法是一種有效的土地覆蓋分類方法，與傳統(tǒng)方法相比，有更好的自學習和自適應能力，能夠達到提高分類精度的目的。本文首先分析了國內(nèi)外遙感圖像分類研究的最新進展，采用2009年8月的達里諾爾自然保護區(qū)的LandsatTM影像數(shù)據(jù)和2009年8月的IRS—P5影像作為數(shù)據(jù)源，采用ENVI和Matlab作為平臺，在基于原始波段、主成分分析和小波變換的基礎上，采用BP神

4、經(jīng)網(wǎng)絡對遙感進行分類研究。通過對訓練樣本構建方法、訓練算法的選擇、最佳隱含層神經(jīng)元個數(shù)的確定等方面，對BP神經(jīng)網(wǎng)絡分類過程進行了系統(tǒng)的研究，確定了適合本研究的最佳參數(shù)。與傳統(tǒng)的統(tǒng)計模式識別方法(監(jiān)督分類和非監(jiān)督分類)的分類結果進行精度比較分析。研究表明，基于小波變換的BP神經(jīng)網(wǎng)絡分類的總體精度為8674％，Kappa系數(shù)為08407。人工神經(jīng)網(wǎng)絡分類精度要比傳統(tǒng)的監(jiān)督分類和非監(jiān)督分類的效果要好，基于小波變換的BP神經(jīng)網(wǎng)絡分類比基于原始波