基于bp神经网络的高分辨率遥感影像分类

基于bp神经网络的高分辨率遥感影像分类

ID:12615472

大小:1.40 MB

页数:59页

时间:2018-07-18

基于bp神经网络的高分辨率遥感影像分类_第1页
基于bp神经网络的高分辨率遥感影像分类_第2页
基于bp神经网络的高分辨率遥感影像分类_第3页
基于bp神经网络的高分辨率遥感影像分类_第4页
基于bp神经网络的高分辨率遥感影像分类_第5页
资源描述:

《基于bp神经网络的高分辨率遥感影像分类》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、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

2、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5959AbstractThispapertaketheGF2highresolutionimageofBeijingcityas

3、basedexperimentaldata,anduseMATLABsoftwaretodeveloptheBPnetworkprogram.Weusethisprogramtoclassifytheremotesensingimages,thenweuseerrormatrixtoevaluatetheaccuracyofclassificationresult.Comparingdifferentclassificationmethods,wefoundthattheoverallclassificationresultofBPneuralnetwork

4、classificationis81.6%,whichismorethanmaximumlikelihoodmethod6.5%.Theinvestigationperformedandrelevantconclusionsareoutlinedasfollows:BasedonthecharacteristicsofGF2image,thispresentsdataprocessingandimageanalyzingofstudyarea,selectingthetypicalsampleareasandeterminingtheamountofcate

5、gory.Andthen,thefeaturedatatobeclassifiedarepreparedbycombiningthemulti-spectralbandswiththecontrast(CON)textureimagefrompanchromaticimage.ThetrainingsampleareaselectedfromthedataofthedataofstudyareaandtheBPnetworkstructureisconstructed.Toensurethestabilityanimprovetheconvergencera

6、te,someapproachesareexploredtoimprovetheBPalgorithm,suchasnormalizedpretreatmentoftrainingsamples,settingpropertrainingrateandadjustingnetworkstructureincludingthenumberofneuroninhiddenlayer.ThecomputerprogramofBPalgorithmisdesignedanddevelopedintheenvironmentofMATLABtoimplementthe

7、GF2imageclassificationandaccuracyevaluatingofstudyarea.Theexperimentsshowthatthismethodcanattainhigh-accuracy5959classificationresult.Comparedwiththoselikemaximumlikelihoodclassificationapproach,theBPhashigheroverallqualityandKappacoefficientthantheMLCwithimprovedby6.5%whichis75.1%

8、.AndtheBPKappais0.7656high

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。