《基于纹理信息提取与神经网络分类方法的遥感影像分类》-毕业论文.DOCVIP

基于纹理信息提取与神经网络分类方法的遥感影像分类 实验目的 通过深入研究遥感影像纹理信息的提取原理与方法，针对研究区影像特征，掌握纹理信息对提高影像分类精度的重要作用。 了解ENVI中基于神经网络的影像监督分类方法原理，采用纹理信息与神经网络分类相结合的方式，对研究区影像进行分类，与无纹理信息的分类结果进行对比与评价。 进一步熟悉影像监督分类的原理和方法、训练区选取、分类后处理方法等操作，并根据研究区实际情况进行分类后评价。 实验原理 人工神经网络分类方法： BP 网络是前馈多层网络结构，含有输入层、输出层以及处于输入输出层之间的隐含层，隐含层一般为单层。隐含层虽然和外界不连接，但它们的状态影响输入输出之间的关系，也就是说，改变隐含层的权系数，可以改变整个多层神经网络的性能。相邻层次的神经元之间用连接权系数相互连接，而各层内的神经元之间没有连接。 神经网络为完成某一特定的任务, 通常采用“训练”的办法。这种“训练”实质上是网络的学习过程, 一般根据事先定义好的学习规则按照提供的特定作业的学习实例，不断调整各节点的连接权重，进而得到样本的输入输出的非线性关系。在BP 神经网络中，引入误差函数(也称能量函数)的概念，公式表示为： 其中是期望输出。BP 神经网络通过误差函数的最小化过程来完成输入到输出的映射。BP 反向传播算法分两步进行，即正向传播和反向传播。 （1） 正向传播