论文摘要
在遥感图像分类的研究中,传统的分类方法对"同物异谱"、"异物同谱"现象识别能力较差。此外,常用的BP神经网络分类存在时间长、易陷入局部极小等不足。将BP网络中的激励函数添加偏置参数、学习率进行自适应调整,并与最大似然、BP神经网络分类比较,结果表明改进的BP神经网络分类精度为89.69%,比最大似然提高了15.35%,比BP神经网络提高了23.81%。另一方面,基于改进的BP神经网络分类,对分辨率为16 m的高分一号卫星(GF-1)图像和分辨率为5.8 m的资源三号卫星(ZY-3)图像进行分类比较,并以ZY-3分类图作为检验图像,GF-1图像的分类精度达到了88.02%,各类地物的用户精度和制图精度在70%~99%之间,说明成本较低、宽幅较广的GF-1图像在地物信息获取方面可基本实现ZY-3卫星图像效果,为遥感图像地物信息提取提供了一定的参考。
论文目录
文章来源
类型: 期刊论文
作者: 戚王月,胡宏祥,夏萍,周婷
关键词: 神经网络,遥感图像分类,高分卫星,资源卫星,多分辨率遥感
来源: 安徽农业大学学报 2019年04期
年度: 2019
分类: 农业科技,工程科技Ⅱ辑,信息科技
专业: 工业通用技术及设备,自动化技术
单位: 安徽农业大学工学院,安徽农业大学资源与环境学院
基金: 安徽省高校优秀青年人才支持计划重点项目(gxyqZD2017019),安徽省国际科技合作计划项目(1604b0602029),安徽省自然科学基金(1808085ME158),安徽省高等学校自然科学研究项目(KJ2017A134)
分类号: TP751;TP183
DOI: 10.13610/j.cnki.1672-352x.20191013.015
页码: 737-744
总页数: 8
文件大小: 901K
下载量: 477