基于BP神经网络遥感影像分类方法的研究.pdfVIP

基于BP 神经网络的遥感影像分类方法的研究 王娇，谢春喜，唐大伟 辽宁工程技术大学测绘与地理科学学院，辽宁阜新(123000) E-mail：wangjiaoxx@ 摘 要：相对于传统的遥感影像分类方法，基于BP 神经网络的遥感影像分类方法无论从速 度，精确性等方面都具有明显的优势。本文重点阐述BP 神经网络用于遥感影像的基本原理， 实现步骤，并在Matlab7 平台上进行了实验研究。最后将它与传统的分类方法进行比较，概 括出BP 神经网络用于遥感影像分类的优点和进一步需要改进之处。 关键词：神经网络，遥感影像，分类 1． 引言 遥感影像处理无非解决两大问题,即定位和定性问题。定性问题主要通过遥感影像分类 来解决,但是影像普遍存在“ 同物异谱”和“ 同谱异物”情况，采用传统的基于遥感影像所代表的 [1] 地物光谱特征的统计模式识别法取得的分类效果有些差强人意 。 BP 神经网络是一种多层前馈神经网络，其名字源于网络权值的调整规则采用的是后向 传播学习算法，即BP 学习算法。BP 算法是Rumelhart 等人在 1986 年提出的，其基本思想 是使用梯度搜索理论，以使得网络实际输出(计算输出)和期望输出( 目标输出) 的均方差达到 最小。网络学习的大体过程是，将输出层误差反向传播回去，并借以修正权值。自 1986 年 以后，BP 神经网络获得了广泛的实际应用，据统计，80 ％～90 ％的神经网络模型都采用了 BP 网络或者它的变化形式。BP 网络是前向网络的核心部分，体现了神经网络中最精华,最 [5] 完美的内容 。 2 ． 算法原理概述 基于BP 网络的遥感影像分类是一种监督分类方法。它是选用一些已知类别的样本数据， 对网络进行训练，让分类网络进行系统的学习，学习的过程也就是网络中权系数进行调整的 过程。实际训练时一般是通过查看计算输出向量(计算输出)和期望输出( 目标输出) 的接近程 度来确定训练是否结束， 只有训练组中的所有样本都加到网络上后，输出向量和对应的输 出向量都接近，才认为训练结束，权值都得到确定。经过训练后的网络还应进行性能测试， 测试的方法就是选择测试样本向量，将其提供给网络，检验网络对其分类的正确性。测试样 本中还应包括今后网络应用过程中可能遇到的主要典型模式。一个良好的测试样本集中不应 [5] 该包含和学习样本完全相同的模式 。 3 ．基于BP 神经网络影像分类的具体步骤和需改进之处 依据实际问题(输入变量和输出变量个数)给出网络连接结构，随机的设置所有联接权值 为任意小，然后通过提供的训练样本计算得到输出向量，当期望输出( 目标输出)与计算输出 未达到预先设定的阈值时，用递归的方法从输出节点开始返回到隐层节点，进而修正连接权 系数，直到误差达到要求为止。 3.1 BP 神经网络用于遥感影像分类的具体步骤 3.1.1 输入输出变量的确定 -1- 我们输入的是n 个已知分类结果的像素的RGB 值，输出变量为像素所属的类别。 输入变量 输出变量 (R1,G1,B1) 第一类 (1,0,…,0) (R2,G2,B2) 第二类 (0,1,…,0) ……… ………