神经网络敏感性分析的高光谱遥感影像降维与分类方法.pdf

第 38卷第 l1期 电 子 与 信 息 学 报 、 1．38No．11 2016年 11月 JournalofElectronics InformationTechnology NOV．2016 神经网络敏感性分析的高光谱遥感影像降维与分类方法 高红民 李臣明 周 惠 张 振 陈玲慧 何振宇 (河海大学计算机与信息学院 南京 211100) 摘 要：高光谱遥感影像由于其巨大的波段数直接导致信息的高冗余和数据处理的复杂，这不仅带来庞大的计算量， 而且会损害分类精度。因此，在对高光谱影像进行处理、分析之前进行降维变得非常必要。神经网络敏感性分析可 以用于对模型的简化降维，该文将该方法运用于高光谱遥感影像降维中，通过子空间划分弱化波段之间的相关性， 利用差分进化算法(DE)优化神经网络结构，采用Ruck敏感性分析方法剔除掉对分类贡献较小的波段，从而实现降 维。最后，采用 AvIRIS影像进行实验，所提算法相比其他相近的降维与分类方法能获得更高的分类精度，达到 85．83％，比其他相近方法中最优方法高出0．31％。 关键词：高光谱遥感影像降维；神经网络敏感性分析；子空间划分；差分进化；Ruck敏感性分析 中图分类号：TP751．2 文献标识码：A 文章编号：1009—5896(2016)11．2715．09 DOI：10．11999／JEIT16O052 DimensionReductionandClassificationofHyperspectralRemoteSensing ImagesBasedonSensitivityAnalysisofArtificialNeuralNetwork GAO Hongmin LIChenming ZHOU Hui ZHANG Zhen CHEN Linghui HE Zhenyu (CollegeofComputerandInformationEngineering，HohaiUniversity，Nanjing211100，China) Abstract：Thehigh dimensionsofhyperspectral remotesensingimageswillcausetheredundancyofinformation and complexity ofdataprocessing，which alsobringstremendouscomputingworkloadanddamagesapplication accuracy．Therefore，before theanalysisofhyperspectralimageprocessing，itisnecessary toreducethehigh dimensionsofhyperspectraldata．TheSensitivityAnalysis(SA)ofartificialneuralnetworkCallbeusedin dimensionreductionofthemode1．Now theSensitivityAnalysisofartificialneuralnetworkisappliedtodimension reduction forhyperspectral remotesensing imagesin thepaper．Firstofall，allbandsraedividedintoseveral groupsaslongaLsalowercorrelationexistsbetweenadjacentbands．Furthermore，DifferentialEvolution(DE) algorithm isusedforoptimizingneuralnetworkstructure．Moreover，thebna dswhichmakesmallcontributionwill begivenupbased