可变神经网络结构下的遥感影像光谱分解方法.pdfVIP

第 38卷 第 9期 计 算 机 工 程 2012年 5月 Vo1．38 NO．9 ComputerEngineering May 2012 · 博士论文 · 文章编号：1000—3428(2012)09—000l—03 文献标识码：A 中图分类号：TN911．73 可变神经网络结构下的遥感影像光谱分解方法 李 熙。，石长民 ，李 畅 ，陈锋锐4 田礼乔 (1．武汉大学测绘遥感信息工程国家重点实验室，武汉 430079；2．三亚市国土环境资源信息中心，海南 三亚 572000； 3．华中师范大学城市与环境科学学院，武汉 430079；4．河南大学环境与规划学院，河南 开封 475000) 摘 要：多层感知神经网络(MLP)是主流的非线性分解方法，但是 目前缺乏有效方法处理MLP分解结果中的丰度负值问题。为此，提出一 种可变神经网络结构的方法，逐步去除负值丰度对应的端元，并调整相应的网络结构使之针对剩余的端元进行分解。通过武汉地区模拟 TM遥感影像实验可以发现，该方法与传统MLP方法以及线性光谱分解方法的平均误差分别为0．0777、O08l9、O．0943，说明该方法的 分解精度高于其他 2种分解方法，能克服丰度负值问题。 关健诃：遥感；混合像元；神经网络；多层感知网络；非负约束 ；非线性光谱分解模型 SpectralUnmixingM ethod0fRemoteSensingImages in riableArchitectureofNeuralNetwork LIXi，SHIChang—m in ，LIChang。CHENFeng-rui，TIAN Li-qiao。 ， (1．StateKeyLaboratoryofInformationEngineeringinSurveying，MappingandRemoteSensing，WuhanUniversity,Wuhan430079，China； 2．SanyaLandEnvironmentandResourcesInformationCenter,Sanya572000，China； 3．CollegeofUrbanandEnvironmentalScience，HuazhongNomr alUniversity，Wuhan430079，China； 4．CollegeofEnvironmentandPlanning，HenanUniversity，Kaifeng475000，China) IAbstract]Spectralunmixingofremotesensingimagesisahotspotinremotesensingfield，andMultilayerPerception(MLP)neuralnetworkisa commonnonlinearspectralunmixingalgorithm ．However,currentlythereisnoeffectivewaytodealwiththenegativeabundancesderivedbythe network．Tosolvethisproblem，aM LPneuralnetworkwithvariablearchitectureisproposed．Bydiscardingendmemberswithnegativeabundances， theMLParchitectureismodifiedtounmixtherestendmembers，SOaremotesensingimageisfinallyunmixed．AnexperimentusingasimulatedTM imageshowsthattheaverageerrorsofhteproposedme