輔以紋理特征的高分辨率遙感影像分類

《輔以紋理特征的高分辨率遙感影像分類》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、維普資訊http://www.cqvip.com維普資訊http://www.cqvip.com熵第1期陳肩浩等輔以紋理特征的高分辨率遙感影像分類89叫均值來計(jì)算灰度值差出現(xiàn)的次數(shù)，保存到一維數(shù)1)選擇參加分類的影像波段和訓(xùn)練樣本，確定組，(Ⅲ)求灰度值差出現(xiàn)的概率保存到該數(shù)組，輸入／輸出層神經(jīng)元的個(gè)數(shù)。特理紋帔像影量度當(dāng)指種的(_?¨∑三一_。㈤度灰其時(shí)致不一定設(shè))㈩_O三×E值熵很均素，，㈩，相不度敲矩階角一一(1V)根據(jù)相應(yīng)公式，求特征參數(shù)值；⑤將所求特征2)初始化權(quán)值和閾值0，即把所有的權(quán)值與參數(shù)保存到結(jié)果圖像的P(i，)處；⑥循環(huán)①～⑤節(jié)點(diǎn)閾值預(yù)置為一個(gè)較小的隨機(jī)數(shù)

2、。步，直至處理完所有所選波段的每一像素。3)加載輸入與輸出：在n個(gè)輸入節(jié)點(diǎn)上加載一n維的特征向量，并指定期望輸出y。表1紋理特征參數(shù)計(jì)算公式及其說明4)計(jì)算隱層和輸出層的輸出。紋理特征參數(shù)計(jì)算公式說明k～U=WuX，描述影像灰度分布的勻質(zhì)性，?=l廠()，，J角二階矩l與一致性J，也稱能量。當(dāng)1(AngLd()影像為勻質(zhì)區(qū)或有一致性的其中f()=_，為神經(jīng)元激發(fā)函數(shù)。l+eMoment)‘紋理時(shí)，角二階矩的值5)計(jì)算各層節(jié)點(diǎn)的誤差。較大【61。①若i為輸出節(jié)點(diǎn)，則：征影差較否是中像量矢大。d?=(1一：)(?一y)雜紋的熵②若i為內(nèi)部隱層節(jié)點(diǎn)，則：亂理一兀與d(1一)∑WX，

3、k度量影像局部變化的程度，6)反向調(diào)整權(quán)值其過程是從輸出節(jié)點(diǎn)開㈨當(dāng)影像局部范同內(nèi)的變化很大時(shí)，對(duì)比度值也火。始，反向地向第一隱層傳播由總誤差誘發(fā)的權(quán)值修正。下一時(shí)刻的互連權(quán)值(t+1)由下式給出，其均值(Mean)∑kV()類似對(duì)比度特征。中卵為學(xué)習(xí)率。(+】)=()+叩dkX，k由于遙感圖像的灰度級(jí)一般較大(一般為256若加入動(dòng)量項(xiàng)，(t+1)有下式給出：級(jí))，為了提高計(jì)算的速度應(yīng)適當(dāng)壓縮，一般取=8(t+1)=(t)+叼dkX，k+((t)一W(t+1))或=16，即把影像的灰度級(jí)壓縮到8或16。式中，為動(dòng)量因子，0<<1。3BP神經(jīng)網(wǎng)絡(luò)分類算法7)調(diào)整權(quán)值和閾值后，根據(jù)

4、誤差指標(biāo)判斷是否滿足要求。滿足則進(jìn)行分類；否則轉(zhuǎn)4)。BP算法即反向傳播(Back～propagation)算法。BP8)根據(jù)最終調(diào)整好的權(quán)值和閾值，對(duì)影像的每神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自適應(yīng)功能，它能最大限度地一像元進(jìn)行分類。即將像元?jiǎng)潥w到輸出值最大神經(jīng)元利用已知類別的遙感影像樣本集的先驗(yàn)知識(shí)，自動(dòng)提所對(duì)應(yīng)的目標(biāo)類。取“合理的”識(shí)別規(guī)則。它還具有容錯(cuò)能力，個(gè)別訓(xùn)練樣本的分量偏差對(duì)網(wǎng)絡(luò)輸出的影響很小。因4實(shí)驗(yàn)方法及結(jié)果此，與其他的影像分類法相比，該方法不僅適應(yīng)性強(qiáng)，精度也較高。程序?qū)崿F(xiàn)環(huán)境為VC++6．0，并基于MapGIS二3．1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)次開發(fā)平臺(tái)，該二次平臺(tái)提供一些遙感

5、影像的基本處理函數(shù)。實(shí)驗(yàn)過程中編輯AOI(AreaOfInterest)、分類精度評(píng)價(jià)等均在MapGIS—RSP影像分析系統(tǒng)中完成。實(shí)驗(yàn)中使用的遙感影像大小為5904×5904，分辨率約為0．2m。該影像是江西某地的一幅航空遙感影一一隱可為以般層滿例以B包為的足、P輸括一應(yīng)要神輸出層用求經(jīng)層入或中。網(wǎng)絡(luò)層一以多層單層的、。結(jié)中隱就隱，構(gòu)層但層間可像。如圖4所示(說明：為清楚地看到分析效果，圖示，其結(jié)構(gòu)示意圖如均選取同一典型區(qū)域)。根據(jù)該地區(qū)的相關(guān)資料，把圖3所示。輸入層的神該區(qū)地物類別分為以下6類：道路、水田、小樹叢、經(jīng)元個(gè)數(shù)等于輸入的特征數(shù)，輸出層的神經(jīng)元個(gè)數(shù)林地、農(nóng)作物、

6、人工樹林。由于分辨率太高，“人工等于目標(biāo)類別數(shù)。而各隱層的神經(jīng)元個(gè)數(shù)需要根據(jù)樹林”在影像上為樹林與植被的格網(wǎng)狀混合物，紋理實(shí)際問題的復(fù)雜度而定，一般來說，隱層的神經(jīng)元特征很明顯，如圖4中右上角。越多網(wǎng)絡(luò)學(xué)習(xí)就越精確。但實(shí)際上，如果隱層的神實(shí)驗(yàn)中提取紋理信息時(shí)，移動(dòng)窗口的大小選擇很經(jīng)元過多，不僅增加了學(xué)習(xí)的時(shí)間，還降低了神經(jīng)重要，窗口的過大過小都會(huì)影響到特征提取的效果。網(wǎng)絡(luò)的容錯(cuò)和抗噪能力。通過對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行BP文獻(xiàn)?中提到選用7×7效果最好，試驗(yàn)發(fā)現(xiàn)對(duì)于本神經(jīng)網(wǎng)絡(luò)分類試驗(yàn)發(fā)現(xiàn)：輸入特征數(shù)為1、輸出目標(biāo)類別數(shù)為5類，設(shè)置7或8個(gè)隱層神經(jīng)元時(shí)分類實(shí)驗(yàn)數(shù)據(jù)采用9×9或11×11的窗

7、口效果較好。距離結(jié)果較好。差分值(o，b)的選擇也很重要，o，b的選擇不易太大，文獻(xiàn)?選用的r=1、四個(gè)方向求平均的效果較3．2BP神經(jīng)網(wǎng)絡(luò)分類步驟設(shè)從第一1層的第i個(gè)神經(jīng)元到第層的第個(gè)好。試驗(yàn)發(fā)現(xiàn)選用r=1、四個(gè)方向求平均的效果最神經(jīng)元的權(quán)系數(shù)為第層的第i個(gè)神經(jīng)元的輸入好。通過實(shí)驗(yàn)，距離r=1、移動(dòng)窗口為11×11時(shí)，為；輸出為：；學(xué)習(xí)誤差為d。算法實(shí)現(xiàn)的詳細(xì)均值特征影像和對(duì)比度特征圖像能較好地反映該影像過程，。如下：的紋理特征，如圖5所示。維普資訊http://www.cqvip.com測(cè)繪科學(xué)第3