資源描述：
《輔以紋理特征的遙感影像神經網絡分類》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、維普資訊http://www.cqvip.com第31卷第4期測繪與空間地理信息Vo1．31，No．42008年8月GEoMATlCs＆SPATIALlNFORMATIONTECHNoLo(Aug．，2008輔以紋理特征的遙感影像神經網絡分類裴亮，譚陽(遼寧工程技術大學測繪與地理科學學院，遼寧阜新123000)摘要：將由變差函數提取出的紋理信息與光譜信息相結合，運用神經網絡方法進行分類和地物識別，并與最大似然法的分類結果進行對比分析，結果表明該方法明顯提高了遙感影像的分類精度。關鍵詞：遙感影像；紋理；變差函數；BP神經網絡中圖分類號：TP
2、75文獻標識碼：B文章編號：1672—5867(2008)04—0066—02TheNeuralNetworkClassificationofRemoteSensingImageSupplementedbyTextureCharacteristicPEILiang，TANYang(SchoolofGeomatics，LiaoningTechnicalUniversity，Fuxin123000，China)Abstract：ThestudyadoptstheBPneuralnetworkmethodtoclassifyandrecogni
3、zethefeaturescombiningthetexturalinformationex-tractedbyvario~amandspectralinformation．Thenitcomparesandanalyzestheclassificationresultsbym~imumlikehoodmethod．Theanalysisresultshowsthatthismethodcanimprovetheclassificationprecision．Keywords：remotesensingimage；texture：vari
4、ogram；BPneuralnetwork1．2紋理提取0引言1．2．1實驗區(qū)選擇遙感分類是進行信息提取的重要手段。隨著遙感技選取2003年4月7日北京市昌平區(qū)的ETM+影像術的發(fā)展，傳統的分類方法已顯示出明顯不足?。本次(如圖1所示)，有7個成像波段，從可見光到紅外波段范研究的目的是將地統計學中的變差函數理論應用到遙感圍。影像的紋理提取中，并利用神經網絡技術進行輔以紋理信息的遙感影像分類，通過該方法的研究，力圖進一步提高遙感影像的分類精度，加深光譜信息和紋理信息在遙感影像分類領域中的綜合應用。1遙感影像紋理提取1．1變差函數假設空間上兩
5、點和+h。和+h是以1維、2維、3維空間坐標表示的位置，IhI通常稱為滯后距離(1ag)，即兩點之間的距離。如一隨機變量在兩點上的取值為Z(x)和Z(x+h)，在本假設下，則樣本變差函數表達式為：1Ⅳ(^)(^)[z()一z(^)]圖12003年4月7日ETM+影像Fig．1TheETM+imageonJuly7。2003對不同的h，算出相應的(h)值來，這就是計算實驗變差函數的最基本公式。收稿日期：2007—07—15作者簡介：裴亮(1966一)，男，遼寧阜新人，教授，主要從事工程測量及攝影測量與遙感的教學科研工作。維普資訊http:/
6、/www.cqvip.com第4期裴亮等：輔以紋理特征的遙感影像神經網絡分類671．2．2技術流程及結果顯示2遙感影像分類技術流程如圖2所示，結果顯示如圖3所示。2．1BP神經網絡模型經過預處理的影像(：BP網絡是前饋多層網絡結構，含有輸入層、輸出層以l及處于輸入輸出層之間的中間層，如圖4所示。格式轉換(ASCII)本次試驗采用3層BP神經網絡。輸入層為ETM+1I—5，7等6個波段和由變差函數所得到的紋理圖像，共7個；輸出層分類的地物數目，為9；經神經網絡訓練和測生成變差函數曲線試，隱層的節(jié)點數目為3。I確定變差函數模型輸入紋理生成程序
7、輸入層中問層輸出層參數I影像紋理ASCIII紋理圖像l加入頭文件l圖4BP神經網絡模型Fig．4TheBPneuralnetworkmodel紋理影像輸出f2．2分類結果顯示紋理圖像分析本試驗將進行以下幾種方法和組合的分類，進行對圖2紋理提取流程圖比分析：基于光譜特征的最大似然法分類；基于光譜和紋Fig．2Theworkflowoftextureextraction理特征的最大似然法分類；基于光譜特征的神經網絡分類；基于光譜和紋理特征的神經網絡分類。分類結果如圖5所示。2．3結果分析對于分類后的圖像，我們要考慮分類的精度。近幾年來，人們提
8、出了各種誤差評判標準，其中最常用的是混淆矩陣和Kappa統計參數。將分類結果進行統計，得出分類結果對比柱狀圖(如圖6所示，其中a，b，c，d與圖5對應)。從圖6中可以看出基于光譜和紋理特征的神
