基于基本竞争型神经网络的TM影像分类研究

《基于基本竞争型神经网络的TM影像分类研究》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、第37卷第8期西北农林科技大学学报(自然科学版)V01．37NO．82009年8月JournalofNorthwestA&FUniversity(Nat．Sci．Ed．)Aug．2009基于基本竞争型神经网络的TM影像分类研究王璐，刘艳华。，刘振华，徐剑波，严会超(1华南农业大学信息学院，广东广州510642；2中国科学院广州地球化学研究所，广东广州5106403青岛市城阳区国土资源局，山东青岛266109)[摘要]【目的】针对传统遥感图像分类方法精度低的缺点，运用基本竞争型神经网络模型对TM影像进行分类研究。【方法】在考虑TM影像光谱信息和地表结构变化信息的基础上，应用经过基本竞争型神经网络

2、训练后的分类器对TM影像进行分类研究，并与利用最大似然法的分类结果进行比较。【结果】研究区TM影像采用基本竞争型神经网络进行分类的总体分类精度和Kappa系数分别为89．1和0．873，而采用最大似然法分别为7O．6和0．646，前者的分类精度明显高于后者。【结论】基本竞争型神经网络的分类结果明显优于最大似然法的分类结果。[关键词]TM影像分类；地表结构信息；基本竞争型神经网络；最大似然法[中图分类号]TP75[文献标识码]A[文章编号]1671—9387(2009)08～0154～07StudyonclassificationmethodofTMimagewithBasicCompetiti

3、veNeuralnetworkWANGLu～，IIUYan—hua。，LIUZhen—hua，XuJian_bo，YANHui—chao(1CollegeofInformation，SouthChinaAgriculturalUniversity，Guangzhou，Guangdong510642，China；2GuangzhouInstituteofGeochemistry，ChineseAcademyofSciences，Guangzhou，Guangdong510640，China；3ChengyangBureauofLandandResourcesinQingdaoCity，Qingd

4、ao，Shandong266109，China)Abstract：[Objective]Giventheshortageoflowclassificationprecisionintraditionalremotesensingclassification，theBasicCompetitiveNNisappliedtoclassifyTMremotesensingimage．[Method]Consid—eringthespectralinformationofTMimageandthechanginginformationofsurfacestructure，TMimageclassifi

5、cationiscarriedoutusingtheclassifiertrainedbytheBasicCompetitiveNN，andtheresultfromBasicCompetitiveNNiscomparedwithitfromMLC．[Result]ThetotalclassificationprecisionandKappaindexofTMimagewithBasicCompetitiveNNinthestudyareaare89．1％and0．873，whilethesewithMLCare70．6and0．646．[Conclusion]Theresultshowsth

6、attheclassificationresuhofBasicCompeti—tiveNNiSbetterthanthatofMLC．Keywords：TMimageclassification；surfacestructureinformation；BasicCompetitiveNeuralNetwork(BasicCompetitiveNN)；MaximumLikelihoodClassifier(MLC)遥感图像分类一直是遥感图像处理研究的热点光谱特征的统计分析获取遥感影像分类结果的方之一。图像分类的目的是将图像中每个像元根据其法，是进行遥感影像自动分类的主流方法之一，其中在不同波段的

7、光谱亮度、空问结构特征或者其他信常用的主要有最大似然法(maximumlikelihood息，按照某种规则或算法划分为不同类,~lc。通过classifier，MLC)、最小距离法。(nearest～meanclas一[收稿日期]2009—04一i3[基金项目]国家“863”高新技术研究与发展计划项目(2008AA10Z223)；国家自然科学基金项目(40671145)[作者简介]王t~(1976