基于神經網(wǎng)絡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)為主要產物的時代。遙感影像分類技術可以有效地將高分辨率影像中豐富的信息資源提取出來，并轉化為科學的分析成果以進行實際的生產和應用，從而在商業(yè)和民用領域中發(fā)揮出重大作用。 人工神經網(wǎng)絡(ANN)分類法是一種非參數(shù)的分類方法，具有良好的適應能力和復雜的映射能力，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果和精度。其次，神經網(wǎng)絡方法能夠有效地結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神經網(wǎng)絡方法對研究區(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容并得到相應的

3、結論： 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，選取訓練樣本、設定BP網(wǎng)絡結構，并采用訓練樣本歸一化預處理、引入動量因子、設定各層不

4、同的學習率和調整網(wǎng)絡結構等方法對BP算法進行改進，以保證訓練的穩(wěn)定性和提高收斂速度。基于ENVI平臺和IDL語言編寫了BP神經網(wǎng)絡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神經網(wǎng)絡分類。研究結果表明：結合高分辨率影像的光譜和紋理信息后，BP神經網(wǎng)絡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神經網(wǎng)絡法和最大似然法進行對比試驗。研究表明：BP神經網(wǎng)絡分類方

5、法能區(qū)分出最大似然法無法區(qū)別的地物，其分類結果圖的整體質量更好，且其分類總體精度和Kappa系數(shù)均略大于最大似然法對應的參數(shù)，從而驗證了BP神經網(wǎng)絡分類法優(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。 本文結合高分辨率影像的光譜和紋理特征，采用BP神經網(wǎng)絡分類法實現(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/土地覆蓋資源調查具有一定的參考和指導意義。