基于改进BP神经网络的多分辨率遥感图像分类及对比分析

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

• 1 研究区域数据处理分析
•   1.1 研究区域及图像数据源
•   1.2 图像监督分类方法
• 2 BP神经网络
•   2.1 BP神经网络工作原理
•   2.2 BP神经网络改进
•     2.2.1 激励函数的改进
•     2.2.2 学习率的改进
• 3 结果分析
•   3.1 分类方法对比分析—烔炀河局部
•     3.1.1 精度评价分析
•     3.1.2 3种分类结果与无人机图像对比分析
•     3.1.3 不同程度改进的BP网络分类对比
•   3.2 遥感图像对比分析—合肥局部区域
•     3.2.1 精度评价分析
•     3.2.2 分类结果对比分析
• 4 结论

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