神经网络在遥感图像分类中的应用

《神经网络在遥感图像分类中的应用》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、http://www.paper.edu.cn神经网络在遥感图像分类中的应用祁增营，王京辽宁工程技术大学测绘与地理科学学院，辽宁阜新（123000）E-mail:qizengying@163.com摘要：结合人工神经网络的特性，介绍神经网络在遥感图像处理领域中的应用现状，重点分析了遥感图像分类模型、并对模型进行了对比分析，利用EARDAS软件进行遥感图像分类，通过实验分析神经网络在遥感图像分类的优势。初步提出结合遗传算法和模糊理论的神经网络模型，对神经网络在遥感图像分类领域的发展趋势进行了探讨。关键词：人工神经网络，遥感影像分类，分类模

2、型1.引言神经是大脑的细胞，其主要功能是收集，处理和分发电信号。人类大脑采用连通的神经元来处理接收到的信号，神经网络模拟了这一过程。它不是通过分步算法或复杂的逻辑程序来求解的，而是通过调整网络中连接神经元的权重，采用非算法，非结构的形式来实现的。神经网络已用于对各种遥感数据进行分类，而且其分类结果优于传统的统计方法。这些成功可以归因于神经网络的两大有点：1）不要求数据正态分布；2）自适应模拟具有特定拓扑结[1]构的复杂非现性模式的功能。人工神经网络(ANN，简称神经网络)作为一种由大量简单神经元广泛相互联接而成的非线性映射或自适应动力系

3、统，恰好能有效解决遥感图像处理中常见的困难，因此它很快在遥感图像分类领域得到了广泛地应用。2.神经网络的组成结构和特点2.1神经网络的组织结构典型后向传播神经网络的拓扑结构见图。人工神经网络在3中类型的层中包含有神经元：图1神经网络组织结构[2]该网络包括输入层，隐含层和输出层。输入层可以包含单个训练像元的信息，其中包括不同波段的百分比光谱反射率和一些辅助信息，如高程，坡度等。每层由互相连接的接点所组成。这种可连续性使得网络在训练时，信息可以流向多个方向（即，可以发生向后传播）。这种结点的力（或权重）最终为神经网络所学习并保存。这些权重

4、用于检验（分类）。训练-1-http://www.paper.edu.cn数据越有代表性，神经网络就越可能在隐含层中调整出映射真实世界的权重，从而得到精确的分类结果。输出层可能代表单个的专题图类别比如水体或林地。和监督分类十分相似，人工神经网络也需要训练和检验，从而提取遥感数据和辅助数据中的有用信息。2.2神经网络训练和验证（分类）在训练阶段，在输入影像中选择性已知（如：农田，山丘上的松树）的特定位置（x,y）作为训练样区。然后，采集每个训练样区中每个像元的光谱信息，如红光和近红外波段的光谱反射率，及其辅助信息，如高程、坡度和坡向等，并

5、送入神经网络的输入层。与此同时，将相同地点的真实目标（类别）值如农田送往神经网络的输入层。与此同时，将相同地点的真实目标（类别）值如农田送往输出层，代表该类别神经元的隶属度赋值为1，其他输出神经元赋0值。需要牢记，由于样本来自特定时间和地点获取的影像及其他辅助数据，所以基于实例训练的神经网络可能仅适用于研究的区域或特定的季节。这样，我们无法在时间和空间上对神经网络进行拓展。采用向后传播算法时，其网络学习通常通过调整权重来实现。对每一训练实例，网络[6]输出结果都要和真实目标进行比较。将目标和输出值之间的差异看作是误差，稍后将其送回网络的

6、前一层来更新连接权重。权重调整的幅度应该和误差绝对值相称，经过多次迭代，均方根误差变小，当减小至设定的允许值时，继续迭代不会提高网络的性能，这时系统收敛，训练过程结束。实例中的固有规则以权重的形式存储于隐含层中，用于验证（分类）。在验证或分类阶段，影像中每一个像元的光谱和辅助数据特征被传递到神经网络的输入神经元中。神经网络利用存储在隐含层神经元中的权重评价每个像元，最后生成输出层每个神经元的预测值。每个输出神经元的值在0～1之间，该值给出了像元隶属神经元所在代表的模糊隶属度等级。用一个局部最大函数去除模糊化，就可以生成一副硬分类结果图，

7、图中每一个像元被分到其模糊隶属度最大的一类。2.3神经网络的数学基础神经元由输入（细胞质突起），权重（神经键），处理单元（细胞体）和输出（轴突）组成。每个输入x都和权重ϖ相乘，得到xϖ，然后将其传送到处理单元中的“累加iiii单元”。也可以整体加一偏置量b.累加后的输出为pNet=∑(xiϖi)+b作为净输入送往激活传递函数f,该函数通过转换算法，生i=1成比例尺度的神经元输出y（介于0~1或-1~1之间）。因此，y通过下式计算：pY=f(net)=f[∑(xiϖi)+b]典型的神经网络包含三个或更多的i=1层：一个输入层，一个输出层和

8、多个隐含层。层内或层间的神经元能相互连接，构成一个用户定义的，面向任务的网络。通过人工神经网络的学习和回忆可以重复或逼近决策过程。-2-http://www.paper.edu.cnpnet=∑(xiϖi)