輔以紋理特征的遙感影像神經(jīng)網(wǎng)絡(luò)分類

《輔以紋理特征的遙感影像神經(jīng)網(wǎng)絡(luò)分類》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)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(jīng)網(wǎng)絡(luò)分類裴亮，譚陽(遼寧工程技術(shù)大學(xué)測繪與地理科學(xué)學(xué)院，遼寧阜新123000)摘要：將由變差函數(shù)提取出的紋理信息與光譜信息相結(jié)合，運用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行分類和地物識別，并與最大似然法的分類結(jié)果進(jìn)行對比分析，結(jié)果表明該方法明顯提高了遙感影像的分類精度。關(guān)鍵詞：遙感影像；紋理；變差函數(shù)；BP神經(jīng)網(wǎng)絡(luò)中圖分類號：TP

2、75文獻(xiàn)標(biāo)識碼：B文章編號：1672—5867(2008)04—0066—02TheNeuralNetworkClassificationofRemoteSensingImageSupplementedbyTextureCharacteristicPEILiang，TANYang(SchoolofGeomatics，LiaoningTechnicalUniversity，F(xiàn)uxin123000，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(jìn)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(shù)的發(fā)展，傳統(tǒng)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(tǒng)計學(xué)中的變差函數(shù)理論應(yīng)用到遙感圍。影像的紋理提取中，并利用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)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(jìn)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(lǐng)域中的綜合應(yīng)用。1遙感影像紋理提取1．1變差函數(shù)假設(shè)空間上兩

5、點和+h。和+h是以1維、2維、3維空間坐標(biāo)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(jī)變量在兩點上的取值為Z(x)和Z(x+h)，在本假設(shè)下，則樣本變差函數(shù)表達(dá)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(yīng)的(h)值來，這就是計算實驗變差函數(shù)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(xué)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(jīng)網(wǎng)絡(luò)分類671．2．2技術(shù)流程及結(jié)果顯示2遙感影像分類技術(shù)流程如圖2所示，結(jié)果顯示如圖3所示。2．1BP神經(jīng)網(wǎng)絡(luò)模型經(jīng)過預(yù)處理的影像(：BP網(wǎng)絡(luò)是前饋多層網(wǎng)絡(luò)結(jié)構(gòu)，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(zhuǎn)換(ASCII)本次試驗采用3層BP神經(jīng)網(wǎng)絡(luò)。輸入層為ETM+1I—5，7等6個波段和由變差函數(shù)所得到的紋理圖像，共7個；輸出層分類的地物數(shù)目，為9；經(jīng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練和測生成變差函數(shù)曲線試，隱層的節(jié)點數(shù)目為3。I確定變差函數(shù)模型輸入紋理生成程序

7、輸入層中問層輸出層參數(shù)I影像紋理ASCIII紋理圖像l加入頭文件l圖4BP神經(jīng)網(wǎng)絡(luò)模型Fig．4TheBPneuralnetworkmodel紋理影像輸出f2．2分類結(jié)果顯示紋理圖像分析本試驗將進(jìn)行以下幾種方法和組合的分類，進(jìn)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(jīng)網(wǎng)絡(luò)分類；基于光譜和紋理特征的神經(jīng)網(wǎng)絡(luò)分類。分類結(jié)果如圖5所示。2．3結(jié)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(biāo)準(zhǔn)，其中最常用的是混淆矩陣和Kappa統(tǒng)計參數(shù)。將分類結(jié)果進(jìn)行統(tǒng)計，得出分類結(jié)果對比柱狀圖(如圖6所示，其中a，b，c，d與圖5對應(yīng))。從圖6中可以看出基于光譜和紋理特征的神