基于改进的BP神经网络模型的遥感图像分类方法研究.pdfVIP

第 16卷 第8期 电 光 与 控 制 V01．16 No．8 2009年8月 ElectronicsOptics Control Aug．2009 基于改进的BP神经网络模型的遥感图像分类方法研究 刘钦龙 ， 焦斌亮， 刘 立 (燕山大学信息科学与工程学院，河北 秦皇岛 066004) 摘 要：遥感图像通过像元灰度值的高低差异和空间变化来表示不同属性的地物 目标及其分布情况。随着人工神经 网络理论的发展 ，神经网络技术 日益成为遥感图像分类处理的有效手段，并有逐渐取代传统遥感图像分类方法的趋 势。重点分析了BP神经网络模型的遥感图像分类方法，并针对BP算法的学习速率慢做 了改进，利用Mathb7．0作 为实验平台，对北京市海淀区遥感影像进行分类实验。实验结果表明，与基本BP算法相比较，改进的BP算法网络训 练收敛速度快，分类方法是有效的。 关键词：遥感图像；灰度值；BP神经网络；Matlab 中图分类号：V271．4：TP751 文献标志码：A 文章编号：1671—637X(2009)08—0065一o3 OnRemoteSensingImageClassificationM ethodBased onImprovedBP NeuralNetworkM odel LIUQinlong， JIAOBinliang， LIULi (InformationScienceandEngineeringInstitute，YanshnaUniversity，Qinhunagdao066004，China) Abstract：Remote sensing imagesindicatethephysicalobjectswiht differentattributesandhteir distributionthroughpixelgrayvaluedifferencesandhtelevelofspatialvariation．Wiht htedevelopmentof ArtificialNeuralNetwork(ANN)hteory，remotesensingimageclassificationofANNhteorybecamean effectivemeansandgraduallyreplacetraditional mehtodsofremotesensingimageclassification．Theremote sensingimageclassificationmethodsbasedonBack—Propagation(BP)networkmodelwasanalyzedin detail，andanimprovementwasmadeconsideringhteslow learningrateofBPalgorihtm．UsingMatlab7．0 asexperimentalplaftorm．wemadeexperimentsonclassificationf0rhteremotesensingimagesofBeijing HaidianDistrict．Theresultsshowedhtat：comparedwiht basicBP algorihtm，hteimprovedalgorihtm has rapidconvergencespeedinnetworkrtaining，andhteclassificationmethodiseffective． Keywords：remotesensingimage；rgayvalue；BPneuralnetwork；Matlab 高 】。近年来 ，随着人工神经网络理论的发展，为遥感 O 引言 图像分类研究提供了新的方法 。其中，BP网络具有 传统的遥感图像 自动识别分类主要采用决策理