基于BP神经网络遥感影像分类22280.pdfVIP

基于BP 神经网络的遥感影像分类 宋全红 辽宁工程技术大学测绘与地理科学学院，辽宁阜新（123000 ） E-mail ：2894053@163.com 摘 要：遥感影像分类技术作为遥感技术的一个重要分支，多年来受到遥感界研究人员普遍 重视。以往的分类方法费时费力，一直不能达到人们的预期效果。本文将BP 神经网络技术 用于遥感影像分类，在分类精确度和对遥感影像分类的效率等方面都是对以往技术的一个突 破。 关键词：BP神经网络，光谱特征，纹理特征，网络训练 1. 概述 人工神经网络是按照大脑的工作原理模仿生物大脑的功能和结构建立的信息处理系 统，它有很多模型，但是目前应用最广、基本思想最直观、最容易被理解的是多层前馈神经网络及误差逆传播 学习算法(Error Back-Propagation)，简称为BP 网络，它是一种模拟人脑神经元细胞的网络结构。科技 [ 高速发展的今天，人工神经网络(ANN，简称神经网络)技术逐步成熟并开始应用于各个领域。以对信息的分 布存储和并行处理为基础，使得人工神经网络在许多方面更接近人对信息的处理方法，具有模拟人的形象思维的 能力，反映了人脑功能的若干基本特性，是人脑的某种抽象、简化和模拟。实践表明，神经网络在数据处 理速度和地物分类精度上均优于最大似然方法，特别是当数据资料明显偏离假设的高斯分布 时，其优势更为突出。 2. 遥感影像数据 2.1 遥感影像的光谱特征 光谱特征是遥感影像的一个很重要的特征，不同的地物在同一波段图像上表现的亮度一 般互不相同；同时，不同的地物在多个波段图像上亮度的呈现规律也不同，这就构成了我们 在图像上区分不同地物的物理依据。光谱特征的基本统计量包括灰度的均值、中值、众数、 值域、反差等，反映了与位置无关的不同灰度值出现情况。 波段选择就是在较多波段中选出其中的几个波段来处理或分类。波段选择方法有多种， 包括定性的和定量的。定性的方法有通过显示和观察图像的清晰度、对比度、细节的多少等； 还有它们各自分辨地物能力的综合分析等。定量的方法有以下两种方法。 a. 相关矩阵法。做出各波段的相关系数矩阵，选择彼此相关系数小的波段来分类。它 们被认为信息相互独立的，而彼此相关系数大的波段被认为是信息重叠或重复的，只选择其 中之一就可以了。 b. 最佳指数因子法。针对 n 个波段多光谱图像的特征选择问题，美国查维茨教授(1982 年)提出的最佳指数因子公式(optimum index factor，OIF)为： n ∑S i OIF i 1 (1) n n ∑∑| Rij | i 1 j i=+1 式中S 为 i 波段的标准差，S 越大，该波段图像信息的含量越大；R 是第 i 个波段与 i i ij 第 j 个波段之间的相关系数， Rij 越小，两个波段数据之间的独立性越高。综合起来，OIF - 1 - 越大，波段组合越优。 2.2 遥感影像的纹理特征 [1] 纹理反映的是亮度(灰度) 的空间变化情况 ，对纹理的描述可