基于BP人工神经网络的遥感影像土地覆盖分类研究--以湖北省汉川市为例的开题报告.docxVIP

基于BP人工神经网络的遥感影像土地覆盖分类研究--以湖北省汉川市为例的开题报告

一、选题背景和意义

近年来，随着遥感技术的不断发展和应用，遥感影像在土地资源调查和管理中得到广泛应用。土地覆盖分类是利用遥感影像进行土地资源调查和管理的重要手段之一，具有广泛的应用前景。传统的土地覆盖分类方法多采用像元分类法，但由于像元分类法仅能考虑局部特征，往往会出现误分现象。而BP人工神经网络作为一种非线性分类方法，具有全局优化和自适应调节能力。因此，本研究选取BP人工神经网络作为土地覆盖分类方法，以湖北省汉川市遥感影像为研究对象，探讨其在土地覆盖分类中的应用，具有重要的科学意义和实际应用价值。

二、研究内容和方法

研究内容：以汉川市2017年中分辨率遥感影像为研究对象，选取典型的8种土地覆盖类型进行分类，包括建筑用地、农田、湖泊水库、河流、草地、灌木林地、落叶阔叶林和针叶林。通过采集样本数据，建立BP人工神经网络模型，进行土地覆盖分类。

研究方法：

1.采集样本数据；

2.图像预处理，包括影像预处理、影像增强、影像分割等；

3.建立BP人工神经网络模型；

4.对模型进行训练和测试；

5.分析模型分类精度和可行性；

6.对分类结果进行验证和评价。

三、研究进展和展望

目前，已完成遥感影像的预处理和样本数据的采集，正在进行BP人工神经网络模型的建立和训练。未来，还需对模型进行测试和评价，进一步探讨BP