基于样区纯化的BP神经网络多光谱影像分类研究.pdfVIP

第2 3 卷 第 6 期 长 　江 　科 　学 　院　院　报 Vol. 23 No. 6 2 0 0 6 年 1 2 月 Journal of Yangtze River Scientif ic Research Institute Dec. 2 0 0 6 ( ) 　　文章编号 2006 基于样区纯化的BP 神经网络多光谱影像分类研究 1 ,2 3 1 李锦辉 ,李成辉 ,吴 　波 ( 1. 武汉大学 测绘遥感信息工程国家重点实验室 ,武汉 　430079 ;2. 义乌工商学院土木系 , 浙江 义乌 　322000 ; 3. 中国酒泉卫星发射中心 ,甘肃 酒泉 　732750) 摘要 :提出了一种基于局部自动搜索和光谱匹配技术训练样本纯化的BP 网络分类方法 。利用影像的空间信息在图 像局部范围内自动搜索和选择最佳样区位置 ,再用光谱匹配对寻找到的最佳样区在光谱空间上进一步纯化 。从空间 和光谱两个角度对样区进行了纯化 ,使得训练样本更适合遥感图像分类的要求 ,最后利用 BP 网络对遥感图像进行分 类 。实验结果证明,原始遥感图像经过样区纯化算法处理后 , 目视判读效果和数值分析都表明提高了分类精度 。 关 　键 　词 :局部搜索 ;光谱匹配 ;训练样本 ;BP 分类 ;样区纯化 中图分类号 : TP751 　　　文献标识码 :A 存在某些不利因素的影响 ,如 : 由于影像的空间分辨 1 　概 　述 率有限 ,地物中存在少量不纯净地物 ,道路上有行驶 的汽车 ,湖泊上面有渔网 ,有时甚至还会存在比较大 多光谱遥感图像反映了地物不同的光谱特征 , 的随机噪声等 ,这些因素用户经常难以辨别 ; 同时在 其分类是环境与灾害监测 , 农 、林 、土地资源利用等 手工选取样区的过程中 ,用户知识水平和对影像上 应用的基础 。监督分类是多光谱遥感图像常用的分 地物类型的理解各有不同 ,通常也会影响训练样本 类方法 ,它首先要求在影像上选择训练样本 ,依据样 的好坏 ,这些都使得分类处理的结果具有一定程度 本在影像上所记录的光谱值计算出相关的统计信息 的随意性 。因此 ,作者提出一种局部范围最佳样区 建立判别函数 ,依据样本类别的特征来识别非样本 像元的归属[1 ] 。训练样本选取需要尽量保证样区 自动搜索的方法 ,该方法在利用影像的空间信息判 断样区是否符合要求的同时 ,消除了人为因素的影 的同质化 , 以确保其具有代表性 。同时训练样本数 响和随机性 。 目应能够提供各类足够的信息和克服各种偶然因素 如果影像上某个区域内部不是很均匀 ,那么该 的影响 ,最少要满足能够建立分类判别函数的要求 。 区域内像元的灰度值具有较大差异 ;相反 ,如果某个 为了正确区分同质异谱或同谱异质的情况 ,训练样 区域内部均匀 ,则该区域内像元的灰