用于航空图片分类的神经网络模型.pdfVIP

用于航空图片分类的神经网络模型 ‘ 韩 敏，程 磊 (大连理工大学 电子与信息工程学院，辽宁大连 116023) E-mail:minhan@.en 摘 要:本文探索应用神经网络进行航空照片分类方面的研究。基于像素结构建立一个四层网络分类棋型，采用一 种自适应反向传播学习算法。以实际的遥感土地夜盖分类为例，将照片上的湖水、植被和陆地三类地区分开。通过 神经网络与传统的最大似然法比较，对分类过程与结果进行分析.结果表明神经网络适用于遥感图像分类，其分类 精度高于最大似然法 关扭词:遥感;神经网络;分类;航片 Neuralnetworkmodelforclassificationofaerialphotograph MINHan,LEICheng (SchoolofElectronicandInformationEngineering,DalianUniversityofTechnology,Dalian,116023) Abslrao:Thepurposeofthispaperistoapplyneuralnetworktoclassifytheaerialphotograph.Anadaptiveback-propagation algorithmisintroducedtobuiltafour-layerneuralnetworkasthepracticalmodelforclassifyingaerialphotographbasedon pixel-pixel.Thepracticalexampleistheclassificationoflake,forestandland,comparingneuralnetworkwiththemaximum likelihoodclassificationthoughtheanalysisoftheprocessofclassificationandtheresults.Theresultsdemonstratedthatthe neuralnetworksuitstobeusedintheclassificationofremotelysensedimagedataandissuperiortothemaximumlikelihood. Keywords:remotesensing;neuralnetwork;classification;aerialphotograph 示。使用这些参数可以计算一个给定的像元属于每 1 引 言 一类的统计概率。 人工神经网络已经在遥感影像分类中得到了广 遥感图像主要通过像元亮度值的差异表示来表 泛 的应用，尤其是 BP神经 网络分类器。I, 示不同地物间的差异，像元间的亮度差异反映了地 Kanellopoulos等己经用BP神经网络实现了遥感 物的光谱信息的差异。根据遥感图像中地物间的光 图像的监督分类[2.5]。杨存建提出了基于知识的遥感 谱特征差异，对遥感土地覆盖分类是遥感图像的重 图像分类方法Is]。与传统方法相比.神经网络不需要 要应用。传统的遥感图像分类方法，是基于贝叶斯分 概率模型，而是通过 自学习能力获取权值从而成为 类器的。众所周知，如果概率密度函数是正确的，贝 分类器的。它具有并行处理，自适应，非线性动力机 叶斯分类器在理论上是最优的。如果假设的概率模 制等优势。但这些神经网络解决的问题通常是模式 型与实际的概率密度函数不同，贝叶斯方法可能得 数小于200的小数据集，而遥感图像具有大量的训 到很差的分类结果[[11所以贝叶斯分类器需要一个 练数据集，所以在采用神经网络进行遥感图像的分 特定的概率模型。最大似然法就是建立在贝叶斯分 类存在注意选择合适的网络结构和学习算法，使神 类器的基础上的，其分类错误概率最小，是风险最小 经网络能够更有效的和更准确的解决问题。 的判决分析。