基于BP神经网络的高分辨率影像分类研究.docxVIP

PAGE 21 摘 要 本文以2014年9月获取的北京市部分地区的高分二号Pms影像作为实验数据,采用神经网络方法对研究区域进行分类处理及精度评定等研究。利用MATLAB软件进行神经网络程序开发，完成对影响进行分类，并使用误差矩阵和Kappa系数对分类结果进行评定。结果显示BP神经网络分类算法总体精度为81.6%，Kappa系数为0.765，比最大似然发监督分类总体精度提高了6.5%。主要完成了如下的任务和相应的结论： 1针对高分辨率影像特征，通过地物多样性和纹理分析，选取具有代表性样区，确定分类类别数，并选取多光谱4个波段信息和纹理特征（通过计算全色波段灰度共生矩阵选取对比度纹理图像）作为分类特征数据。 2选取训练样本，设定BP网络结构。包括训练样本归一化处理，中间层神经元数的设定和学习率的确定。利用MATLAB软件完成BP神经网络的设计、分类后处理和精度评定。 3将BP神经网络法和最大似然法监督分类结果进行对比。该网络实现总体分类精度为81.6%，Kappa系数为0.7656。最大似然法监督分类总体分类精度为75.1%，Kappa系数0.6886。 关键词：BP神经网络、高分辨率影像分类、监督分类、精度评定 Abstract This paper take the GF2 high resolution image of Beijing city as based exp