辅以纹理特征的高分辨率遥感影像分类

《辅以纹理特征的高分辨率遥感影像分类》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、维普资讯http://www.cqvip.com维普资讯http://www.cqvip.com熵第1期陈肩浩等辅以纹理特征的高分辨率遥感影像分类89叫均值来计算灰度值差出现的次数，保存到一维数1)选择参加分类的影像波段和训练样本，确定组，(Ⅲ)求灰度值差出现的概率保存到该数组，输入／输出层神经元的个数。特理纹帔像影量度当指种的(_?¨∑三一_。㈤度灰其时致不一定设)㈩_O三×E值熵很均素，，㈩，相不度敲矩阶角一一(1V)根据相应公式，求特征参数值；⑤将所求特征2)初始化权值和阈值0，即把所有的权值与参数保存到结果图像的P(i，)处；⑥循环①～⑤节点阈值预置为一个较小的随机数

2、。步，直至处理完所有所选波段的每一像素。3)加载输入与输出：在n个输入节点上加载一n维的特征向量，并指定期望输出y。表1纹理特征参数计算公式及其说明4)计算隐层和输出层的输出。纹理特征参数计算公式说明k～U=WuX，描述影像灰度分布的匀质性，?=l厂()，，J角二阶矩l与一致性J，也称能量。当1(AngLd()影像为匀质区或有一致性的其中f()=_，为神经元激发函数。l+eMoment)‘纹理时，角二阶矩的值5)计算各层节点的误差。较大【61。①若i为输出节点，则：征影差较否是中像量矢大。d?=(1一：)(?一y)杂纹的熵②若i为内部隐层节点，则：乱理一兀与d(1一)∑WX，

3、k度量影像局部变化的程度，6)反向调整权值其过程是从输出节点开㈨当影像局部范同内的变化很大时，对比度值也火。始，反向地向第一隐层传播由总误差诱发的权值修正。下一时刻的互连权值(t+1)由下式给出，其均值(Mean)∑kV()类似对比度特征。中卵为学习率。(+】)=()+叩dkX，k由于遥感图像的灰度级一般较大(一般为256若加入动量项，(t+1)有下式给出：级)，为了提高计算的速度应适当压缩，一般取=8(t+1)=(t)+叼dkX，k+((t)一W(t+1))或=16，即把影像的灰度级压缩到8或16。式中，为动量因子，0<<1。3BP神经网络分类算法7)调整权值和阈值后，根据

4、误差指标判断是否满足要求。满足则进行分类；否则转4)。BP算法即反向传播(Back～propagation)算法。BP8)根据最终调整好的权值和阈值，对影像的每神经网络具有自学习、自适应功能，它能最大限度地一像元进行分类。即将像元划归到输出值最大神经元利用已知类别的遥感影像样本集的先验知识，自动提所对应的目标类。取“合理的”识别规则。它还具有容错能力，个别训练样本的分量偏差对网络输出的影响很小。因4实验方法及结果此，与其他的影像分类法相比，该方法不仅适应性强，精度也较高。程序实现环境为VC++6．0，并基于MapGIS二3．1BP神经网络结构次开发平台，该二次平台提供一些遥感

5、影像的基本处理函数。实验过程中编辑AOI(AreaOfInterest)、分类精度评价等均在MapGIS—RSP影像分析系统中完成。实验中使用的遥感影像大小为5904×5904，分辨率约为0．2m。该影像是江西某地的一幅航空遥感影一一隐可为以般层满例以B包为的足、P输括一应要神输出层用求经层入或中。网络层一以多层单层的、。结中隐就隐，构层但层间可像。如图4所示(说明：为清楚地看到分析效果，图示，其结构示意图如均选取同一典型区域)。根据该地区的相关资料，把图3所示。输入层的神该区地物类别分为以下6类：道路、水田、小树丛、经元个数等于输入的特征数，输出层的神经元个数林地、农作物、

6、人工树林。由于分辨率太高，“人工等于目标类别数。而各隐层的神经元个数需要根据树林”在影像上为树林与植被的格网状混合物，纹理实际问题的复杂度而定，一般来说，隐层的神经元特征很明显，如图4中右上角。越多网络学习就越精确。但实际上，如果隐层的神实验中提取纹理信息时，移动窗口的大小选择很经元过多，不仅增加了学习的时间，还降低了神经重要，窗口的过大过小都会影响到特征提取的效果。网络的容错和抗噪能力。通过对实验数据进行BP文献⋯中提到选用7×7效果最好，试验发现对于本神经网络分类试验发现：输入特征数为1、输出目标类别数为5类，设置7或8个隐层神经元时分类实验数据采用9×9或11×11的窗

7、口效果较好。距离结果较好。差分值(o，b)的选择也很重要，o，b的选择不易太大，文献⋯选用的r=1、四个方向求平均的效果较3．2BP神经网络分类步骤设从第一1层的第i个神经元到第层的第个好。试验发现选用r=1、四个方向求平均的效果最神经元的权系数为第层的第i个神经元的输入好。通过实验，距离r=1、移动窗口为11×11时，为；输出为：；学习误差为d。算法实现的详细均值特征影像和对比度特征图像能较好地反映该影像过程，。如下：的纹理特征，如图5所示。维普资讯http://www.cqvip.com测绘科学第3