[毕设答辩]遥感混合像元分解研究.pptVIP

遥感混合像元分解研究 答 辩 人：杨万宇 专 业：水利水电工程 指导老师：付必涛 日 期：2011年6月14日 研究背景综述 遥感器的空间分辨率和地物复杂多样致使混合像元存在 混合像元的存在是影响传统的像元级遥感分类和面积量测精度主要原因，所以有必要进行混合分解。 分解模型：线性模型、模糊模型、灰色相关模型 、神经网络模型 本实验使用模型：BP神经网络模型 实验平台：MATLAB BP网络 神经网络是人脑的某种抽象、简化和模拟 以神经元为结点，用加权有向弧连结而成 激活函数将节点收集到的输入作非线性变换得到输出 权值先初始化，再通过对网络进行训练学习修正得到 训练样本 训练样本（1） 1.降低分辨率人为构造混合影像 网络不仅要掌握训练的用的学习样本所表现的非线性映射关系，更重要的是需要掌握蕴含于样本集中的难以用解析形式表达的知识。 训练样本（2） 2.随机模拟混合光谱 P=R*T P—样本输入向量（像元的每个波段灰度值） T—样本输出向量（组分丰度） R—端元光谱 实验--数据预处理（1） 实验数据为一400X400的TM影像 其中剔除第六波段 实验--数据预处理（2） 神经网络输入输出向量须一列对应一列，而本实验数据为ENVI导出的二维BSQ（按波段顺序）存储数据： BSQ存储 18X3 实验--数据预处理（3） 编写函数将BSQ存储变为三维BIP存储，此方式也可把最后得到的输出结果转换为图层来显示提取的地物。 function y=BIP（x） 3X3X6 18X3 实验--数据预处理（4） 再将三维BIP转化为对应输入列的格式，最后再进行归一化 3X3X6 6X9 实验--数据归一化 MATLAB自带归一化函数： [Pn,minp,maxp]=premnmx(P) 由于选择的样本集、测试集和分解影像数据的最大最小值不一定一样，所以同一像元数据归一化的数据可能不一样。 自写的归一化函数： y(i,j)=(x(i,j)-0)/(255-0) 实验--建立模型（1） net=newff(inminmax,[15,4],{tansig,purelin},trainlm); 输入节点数：6 范 围：[0 1] 隐层数：1 节点数：15 输出节点数：4 隐层激活函数：tansig（双曲正切S型函数） 输出激活函数：purelin（线性函数） 训 练 算 法：trainlm（Levenberg-Marquardt） 实验--建立模型（2） 输入1 输入2 输入6 输出1 输出2 输出4 输入层(6) 隐层(15) 输出层(4) 实验--选取训练样本（1） 实验--选取训练样本（2） 2、利用ENVI软件的感兴趣区选取每类地物的平均DN值作为端元光谱R： 实验--选取训练样本（3） 3、混合光谱P等于端元光谱的线性组合： P=R*T 实验--训练网络（1） 训练网络： 网络的输入为P 网络的输出为T net.trainParam.epochs=2000;%训练步长 net.trainParam.goal =0.00001;%网络训练目标 net.trainParam.lr=0.08;%网络学习速率 net=train(net,P,T);%训练神经网络 实验--训练网络（2） 结果--提取结果（1）