资源描述：
《基于EM 2EBF模型的遥感影像分类方法研究》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、第10卷第6期中国图象图形学报Vol.10,No.62005年6月JournalofImageandGraphicsJune,2005基于EM2EBF模型的遥感影像分类方法研究1)1)1)1)1),2)1)骆剑承郑江裴韬明冬萍陈秋晓沈占锋1)(中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京100101)2)(浙江大学城市规划系,杭州310027)摘要椭球径向基函数神经网络(EBF)是在径向基函数(RBF)映射理论基础上的改进。在保留RBF3层网络结构基础上,EBF采用了最大期望算法来估计特征空间的混合密度分布参数,用椭球体集合来分解混合密度分
2、布,从而构造了神经网络的中间层基函数的状态。由于遥感数据在特征空间中通常表现为混合密度分布,EBF模型能够充分利用期望最大(EM)算法获得的最大似然参数估计得到更合理的特征空间的密度分解模型,从而使得EBF模型能够保留RBF非线性复杂映射能力的同时,获得更合理的分类结果。为此提出了基于EBF的遥感分类方法,试验结果表明EBF方法比RBF方法网络连接更简单、分类精度更高。关键词人工神经网络遥感影像分类椭球径向基函数EM算法混合密度中图法分类号:TP391文献标识码:A文章编号:100628961(2005)0620698207AnEllipticalBasisFun
3、ctionNetworkforClassificationofRemote2SensingImages1)1)1)1)LUOJian2cheng,ZHENGJiang,PEITao,MINGDong2ping,1),2)1)CHENQiu2xiao,SHENZhan2feng1)(StateKeyLaboratoryofResourcesandEnvironmentalInformationSystem,CAS,Beijing100101)2)(DepartmentofRegionalanUrbanPlanning,ZhejiangUniversity,Hangz
4、hou310027)AbstractAnellipticalbasisfunction(EBF)networkisproposedinthisstudyfortheclassificationofremotelysensedimages.Thoughsimilarinstructure,theEBFnetworkdiffersfromthewell2knownradialbasisfunction(RBF)networkbyincorporatingfullcovariancematricesandusestheexpectation2maximization(E
5、M)algorithmtoestimatethebasisfunctions.Sinceremotelysenseddataoftentakeonmixture2densitydistributionsinthefeaturespace,theproposednetworknotonlypossessestheadvantageoftheRBFmechanismbutalsoutilizestheEMalgorithmtocomputethemaximumlikelihoodestimatesofthemeanvectorsandcovariancematrice
6、sofaGaussianmixturedistributioninthetrainingphase,whichleastomorereasonableclassification.Experimentalresultsshowthat,comparedtoRBFnetwork,theEM2basedEBFnetworkismoreaccurateandsimplerinstructure.Keywordsartificialneuralnetworks,remotesensingimageclassification,ellipticalradialbasisfu
7、nctions,EMalgorithm,mixturedensities在特征空间中通常表现为呈混合密度分布。在分类1引言算法中如果对混合密度的参数估计不适当,就会给分类结果带来较大的偏差。人工神经网络(ANN)从遥感图像中进行专题信息提取和地物分类是能够解决这种复杂的分类问题,因而被广泛应用于[1,2]遥感定量化分析的重要手段。遥感数据作为地球表遥感影像信息提取与分类中。其中,作为非线面信息的综合反映,具有一定的复杂性和不确定性,性函数逼近和一般数据分类的有效模型,径向基函基金项目:国家自然科学基金项目(40101021)收稿日期:2003204217;改回日期
8、:2004
