BP神经网络在遥感图像分类中的应用.pdfVIP

BP 神经网络在遥感图像分类中的应用 李先，郭嗣琮，王文文 辽宁工程技术大学测绘与地理科学学院，辽宁阜新 （123000 ） E-mail ：lee_xian@126.com 摘 要：为了研究BP神经网络在遥感图像分类中的应用，通过分析BP神经网络的原理、模 型及算法，提出了利用BP神经网络进行遥感图像分类的特点和优势，并且对神经网络图像 分类方法和传统方法进行了比较。结果表明，BP神经网络在遥感图像处理中的应用前景广 阔。 关键词：遥感；BP神经网络；图像分类 1. 引言 近年来神经网络的应用领域日益扩大，潜力也日趋明显。如信息领域，自动化领域，工 程领域，医学领域，经济领域等，在许多传统信息处理方法无法解决的问题上取得了良好的 效果。随着遥感领域的发展和神经网络理论的不断深入的研究，神经网络在遥感图像处理方 面的应用潜力迅速发展，如图像分类、图像压缩、图像复原与重建、图像边缘检测、图像去 【】 1 噪、图像纹理分析等方面均显示出独特的优势 。 本文分析了神经网络的原理、特点和优势，提出了最典型、最常用的神经网络模型-BP 神经网络模型，利用BP神经网络模型的算法和训练学习方法进行图像分类的应用研究，提 出了它在遥感图像分类中的优势。并通过对遥感图像的分类实践和传统的分类处理方法作比 较，直观的显现出其在遥感分类中应用的广阔前景。 2. 遥感图像分类 遥感技术是通过对遥感传感器接收到的电磁波辐射信息特征的分析来识别地物的，这可 以通过人工目视解译来实现，或用计算机进行自动分类处理，也可以那个人工目视解译与计 算机自动分类处理相结合来实现。因此用计算机多遥感图像进行地物类型识别是遥感图像数 【】 字处理的一个重要内容 2 。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 3 ，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。 遥感图像分类是基于数据文件值，把像元分选为许多有限单个数据类的过程。遥感图像 分类算法的核心就是确定判别函数和相应的判别准则。图像的分类过程就是模式识别的过 程，遥感图像分类的任务是通过对各类地物的光谱特征分析来选择特征参数，将特征空间分 为互不重叠的子空间，然后将影像内各个像元划分到各个子空间中去，从而实现分类。所以 长期以来，遥感图像的分类方法都以统计学模式为主。统计模式识别方法是以试验样本在特 征空间中的类概率密度函数为基础的，其经典的分类方法有Bayes 分类、最大似然分类、C 一均值聚类算法和ISODATA 聚类算法等。由于遥感图像的多特征性，应用上述分类方法经 常发生分类精度达不到要求的情况。 模式识别方法的另一个重要分支是利用人工（Artificial Neural Network ，ANN)分类方法。 1992年，Simpson提出了用于分类的模糊最小一最大神经网络(Fuzzy Min—Max Neural Networks) 。Simpson 总结了模式分类器的八点关键属性，并强调指出：分类软硬性(Soft and HardDecisions) ，即一个分类器应该能够提供模糊的和二值的分类输出， 是对高精度模式分 - 1 - 【】 4 类器的重要指标 。 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BP 神经网络