基于GA—BP算法的多分辨率遥感影像融合技术

基于GA—BP算法的多分辨率遥感影像融合技术

ID:36742426

大小:664.04 KB

页数:5页

时间:2019-05-14

基于GA—BP算法的多分辨率遥感影像融合技术_第1页
基于GA—BP算法的多分辨率遥感影像融合技术_第2页
基于GA—BP算法的多分辨率遥感影像融合技术_第3页
基于GA—BP算法的多分辨率遥感影像融合技术_第4页
基于GA—BP算法的多分辨率遥感影像融合技术_第5页
资源描述:

《基于GA—BP算法的多分辨率遥感影像融合技术》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、维普资讯http://www.cqvip.com第22卷第4期遥感技术与应用DZ.22No.42007年8月REMOTESENSINGTECHNOIOGYANDAPPIICATIONAug.2007基于GA—BP算法的多分辨率遥感影像融合技术陈雯,王远飞(华东师范大学,地理信息科学教育部重点实验室,上海200062)摘要:由于Landsat一5唯一的热红外波段遥感影像TM6的空间分辨率不高,使得其应用与研究程度远不及其它波段广泛。为此,运用GA—BP算法来提高TM6遥感影像的空间分辨率,并进行仿真实验,结果表明:①GA—BP算法有效地避免了BP算法陷入局部最小点、收敛速度慢的问题,是一种

2、快速、可靠的方法。它的快速算法对数据量巨大的遥感图像更具实用价值。②从提高TM6遥感影像空间分辨率的仿真结果来看,无论计算效率还是遥感影像的融合效果,GA—BP算法都优于BP算法。③GA—BP算法既保留了TM6遥感影像的基本灰度分布信息,同时也提高了其空间分辨率,可以有效地运用到提高遥感影像空间分辨率的过程中。关键词:BP神经网络;GA—BP算法;图像融合;TM6中图分类号:TP75文献标识码:A文章编号:1004—0323(2007)04—0555—05引言遗传算法(GA)能够搜索到全局最优解,而且遗传算法的鲁棒性强,采用GA则可把神经网络的结构优遥感技术是目前能够提供全球范围动态数据

3、的化和权值学习合并起来一起求解,不仅能发挥神经重要手段,其数据已经得到了非常广泛的应用。决定网络的泛化的映射能力,而且使神经网络具有很快遥感影像信息内容和质量的最主要因素是所用电磁的收敛性以及较强的学习能力,所以用它来完成前波段及其相应的传感器的性能[1]。由于各种遥感传期的搜索能较好的克服BP算法的缺点[4]。因此,将感器的设计应用于不同的目的,其波段的选择、传感二者结合起来,形成一种混合训练算法——GA—器的设计也有其各自的特点,导致不同的观测系统BP算法,即在固定网络拓扑结构的情况下,利用获得的影像的空间分辨率会有所不同,即使是相同GA确定连接权重,可以达到优化网络的目的[5]。为

4、的观测系统,其各波段影像的空间分辨率也有所差此,本文以TM6热红外遥感影像为研究对象,实证别。如Landsat一5的TM影像,可见光(1、2和3波分析GA—BP算法在提高空间分辨率中的优越性,段)和近红外(4、5和7波段)波段影像的空间分辨以期为多分辨率遥感影像融合技术提供一个良好的率是30m,而唯一的热红外波段(TM6)的空间分辨智能网络模式。率却只有120m,由于空间分辨率不高,导致其应用2GA—BP算法与研究程度远不及其它波段。因此,提高TM6波段的空间分辨率,使TM热红外遥感图像得到有效利2.1BP算法及存在问题用具有重要的科学意义和实际应用价值。国内外研BP网络包含输入层、一层

5、或多层隐含层和输出究现状表明,这一问题的关键在于如何使其处于较层。BP算法的学习过程是基于梯度下降法来实现对高空间分辨率的同时,而又不失其像素值代表地物网络连接权(权值和阈值)的修正,使得网络误差平热辐射特性的本质j。方和最小引。BP算法主要由信息的正向传递与误差误差反传算法(BP)可以有效地应用于图像融的反向传播两部分组成[7]。合,然而它本身是一种迭代方法,有不收敛的可正向传播:随机给定一组网络初始连接权,从输能,即使收敛通常也需要大量次数的迭代运算,对于入层输入训练样本,经隐含层逐层处理,并传向输出数据量巨大的遥感图像,运算量问题更加突出。由于层。如果在输出层的实际输出与期望输出误

6、差大于收稿日期:2006—12—24;修订日期:2007—06—28基金项目:国家863高技术研究发展计划项目(2002AA134020)资助作者简介:陈雯(1983一).女,硕士研究生.主要从事GIS与遥感技术应用研究。维普资讯http://www.cqvip.com556遥感技术与应用第22卷设定的误差标准,则将误差信号沿原来连接通路进入反向传播过程。反向传播:把误差信号按原来正向传播的通路反向传回并对每个隐含层的各个神经元的权系数进行修改,使误差信号趋向最小,经过反复调整网络的连接权,直到网络全局误差小于设定值或训练次数达到预先设定值,整个训练过程结束。通过以上两个过程,得到一组较

7、好的网络连接权,进一步输入检测样本,如果误差小于设定误差,则该网络可以在实际中应用。但由于网络是基于梯度下降法的,因此存在一些不足之处:(1)神经网络采用的算法是基于误差函数梯度下降的方向,该算法实质上是单点搜索算法,不具有全局搜索能力;(2)神经网络学习训练开始时网络的结构参数图1GA—BP算法的计算步骤Fig.1WorkingprocedureofGA—BPalgorithm是随机给定的,初始点选择比较盲目,因而很难选取具有全局

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。