面向bp 神经网络的多源遥感影像分类ξ.pdfVIP

第 21 卷 　第 1 期 西 安 科 技 学 院 学 报 Vol. 21 No. 1 　2001 年 3 月 　JOURNAL OF XI’AN UN IV ERSIT Y OF SCIENCE TECHNOLO GY Mar. 2001 ( ) 文章编号 : 1001 - 7127 2001 01 - 0058 - 03 　　 基于 BP 神经网络的多源遥感影像分类 1 2 1 贾永红 , 张春森 , 王爱平 ( 1. 武汉大学 遥感信息工程学院 ,湖北 武汉 　430070 ;2. 西安科技学院 测量工程系 ,陕西 西安 　710054) 摘　要 : 在研究人工神经网络理论的基础上 ,应用动量法和学习率自适应调整的策略 , 改进了 BP 神经网络法。并用于对同一地区的 Landsat TM3 ,4 ,5 影像和航空 SAR 影像融合进行分类和 分类融合结果进行了比较。结果表明 : 同标准的BP 神经网络、传统的 Bayes 融合分类法相比 ,改 进的 BP 神经网络融合法不仅获得了标准 BP 网络高的分类精度 ,可同 Bayes 融合媲美 ,而且提 高了学习率 ,增强了算法的可靠性 ,因而提高了影像分类速度 ,更适用于遥感影像分类。 关键词 : BP 神经网络 ; 信息融合 ; 分类 中图分类号: TP 751. 1 　　　文献标识码 : A 自20 世纪 70 年代以来 ,遥感数字图像分类处理计算机识别一直是遥感技术及相关领域学者关注的 问题[1 ] 。其目的在于通过计算机对遥感图像像元进行分类 ,达到自动识别地物的目的。随着遥感技术的 发展 , 由各种不同遥感器获取的同一地区的多光谱、多分解力、多时相的影像数据越来越多,为自然资源调 查、环境监测等提供了丰富而又宝贵的资料。但各种单一的遥感手段获取的影像数据在几何、光谱和空间 分辨率等方面存在着明显的局限性和差异性 ,导致其用于分类的能力是有限的。显然 ,把他们各自的优势 和互补性结合起来用于分类是非常重要的。信息融合技术是多源信息综合处理的一项技术 ,它能将多源 信息加以合成 ,产生比单源信息更精确、更完全的估计和判决。按融合层次可分为 :数据层、特征层和决策 层融合。目前 ,融合系统趋向于采用特征层和决策层融合法 ,且主要采用Bayes 和 D - S 融合法。Bayes 法 在推进过程中依赖于先验概率的选取 ,而且不能处理不确定信息 ;D - S 法虽然不需要先验信息且具备很 强的处理不确定性信息的能力 ,但这是以较大的计算量为代价换来的。为克服上述缺陷 ,寻求一种普遍适 用的、符合人脑思维形式的融合法是非常必要的。神经网络具有信息的分布式存储、并行处理、自学习和 自组织等功能,并将多源信息特征构成的高维特征空间进行“整合”处理即多维信息融合 ,用于目标识别无 疑会更加有效。因此 ,本文在研究神经网络的基础上 ,应用动量法和学习率自适应调整的策略 ,改进了BP 神经网络法。并对同一地区的 Landsat TM3 ,4 ,5 三波段影像和航空 SAR 影像融合进行了土地利用分类 试验。 1 　BP 神经网络的基本原理及其改进算法 [2～3 ] ( ) BP 算法 就是 BackPropagation 反向传播 算法的简称。BP 神经网络通常有一个或多个隐含层 , 含有一个隐含层的 BP 神经网络结构如图 1 所示[2 ] 。 图中 P 代表输入层有 R 个分量的输入向量, w 1 , w 1 , b 1 , b2 , a 1 , a2 , s 1 , s2 , n 1 , n2 分别为稳含层 、 输出层神经元的权矩阵、阈值向量、输出向量、神经元数及加权和向量。隐含层神经元的变换函数采用 logsigmoid 型函数 ,输出层神经元的变换函数采用线性函数。 收稿日期 : 2000 - 05 -