基于BP神经网络的高分辨率遥感影像分类.pdfVIP

测绘第 34卷第 3期2011年6月 l15 基于BP神经网络的高分辨率遥感影像分类 杨希 王鹏 (中铁第四勘察设计院集团有限公司，湖北 武汉 430063) [摘要]为了能有效地从高分辨率遥感影像中提取地物信息，本文通过影像的光谱和纹理特征，利用BP神经网 络算法进行影像分类研究。首先提取分类所需的光谱和纹理特征源，然后根据影像和地物特征，建立BP神经网 络，用于样本训练和分类处理，实现地物分类。为验证该方法的可靠性，以2006年11月获取的成都平原某区域 的Ouickbird影像为实验数据，进行高分辨率遥感影像的地物分类实验 。实验结果表明，结合影像光谱和纹理 特征的BP神经网络分类算法，不仅可以有效保证BP神经网络分类训练的稳定性和收敛速度，还能达到较高的分 类精度。 [关键词]影像分类；纹理特征；光谱特征；BP神经网络 [中图分类号]P237 [文献标识码]A [文章编号]1674—5019(2011)03—0115—04 ClassificationofHigh-resolutionImageBasedOnSpectralandTextural FeaturesbyBack—propagationNeuralNetwork YANGXi WANGPeng (ChinaRailwayFoughSurveyandDesignInstituteGroupCo．，Ltd，Wuhan430063，China) Abstract：Toextracttheobject-l·evelinformationfrom thehigh-·resolutionsatelliteimagery,thispaperpresentsa non-parametricclassificationapproachtemredback—propagation(BP)neuralnetwork．Bothspectralandtexutral featuresextractedfromhigh-resolutionimagesarejointlyusedintheBPsolutionforthepurposeofimplementing classification．Theexperimentsareperformedusingthemulti-spectral(resolution2．44m)andpanchromatic (resolution0．61m1imagesacquiredbythesatelliteQuickbirdinNovemberof2006aroundthecertainplainareaof Chengdu，Sichuan． ThequalityofBPclassificationisassessedbycheckingwtoindicators，i．e．，overallaccuracy andKappacoefficient．Thetestingresultsshowthatthejointuseofspectralandtexturalfeaturescantakehigh classificationaccuracy,aswellasensuringthertainingstabiliytandconvergencerate． Keywords：Classification；Spectralfeautres；Texutralfeautres；Back-propagationneuralnetwork 1 引言 产量评估和病虫害监测、 自然灾害的实时监测等。 BP (Back—propagation)神经 网络分类法是一 自20世纪70年代 以来，随着卫星遥感技术的广 种非参数的分类方法，比之基于传统统计理