基于神經(jīng)網(wǎng)絡集成的遙感圖像分類與建模研究.pdf

《基于神經(jīng)網(wǎng)絡集成的遙感圖像分類與建模研究.pdf》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、2014年第3期呂京國:基于神經(jīng)網(wǎng)絡集成的遙感圖像分類與建模研究17引文格式:呂京國．基于神經(jīng)網(wǎng)絡集成的遙感圖像分類與建模研究［J］．測繪通報，2014(3):17-20．DOI:10．13474/j．cnki．11-2246．2014．0079基于神經(jīng)網(wǎng)絡集成的遙感圖像分類與建模研究1，2呂京國(1．北京建筑大學測繪與城市空間信息學院，北京100044;2．現(xiàn)代城市測繪國家測繪地理信息局重點實驗室，北京100044)TheＲesearchonImageClassificationandModelingBasedonNeuralNetworkEnsembleLJingguo摘要:對

2、神經(jīng)網(wǎng)絡模型及其集成技術(shù)進行深入研究，并將神經(jīng)網(wǎng)絡的信息處理機制應用于影像信息的分類與建模。針對高分辨率遙感圖像分類問題，介紹了神經(jīng)網(wǎng)絡應用于圖像分類的算法，采用BP、ＲBF和Hopfield神經(jīng)網(wǎng)絡分別進行網(wǎng)絡的構(gòu)建與分類，基于Bagging和Boosting生成個體網(wǎng)絡，應用投票方式?jīng)Q定分類結(jié)果，并與單個神經(jīng)網(wǎng)絡分類結(jié)果對比，計算分類器的分類精度。試驗分析表明，該方法具有較強的泛化能力與較高的分類精度等優(yōu)點。關(guān)鍵詞:神經(jīng)網(wǎng)絡集成;圖像分類;Bagging和Boosting算法中圖分類號:P237文獻標識碼:B文章編號:0494-0911(2014)03-0017-04性，構(gòu)造異構(gòu)

3、網(wǎng)絡參與影像信息的分類，并以生成個一、引言體網(wǎng)絡的Bagging和Boosting算法作為集成方式，投隨著遙感信息廣泛地應用于農(nóng)業(yè)生產(chǎn)、災害評票來決定最終的分類結(jié)果。估與資源探測等領域，分類技術(shù)也成為遙感影像信二、影像分析理論與神經(jīng)網(wǎng)絡理論息分析中的重要研究方向。面向高分辨率影像信息的分類技術(shù)層出不窮，不僅體現(xiàn)在以最小距離分1．影像分析類為代表的監(jiān)督分類技術(shù)，以ISODATA分類法為代為了提供分類所需要的影像信息類型，影像分析表的非監(jiān)督分類技術(shù)，還包括逐漸成熟的神經(jīng)網(wǎng)絡以特征提取與特征選擇作為基礎。影像的灰度值代表技術(shù)，也在遙感領域中得到全面應用。地表信息的輻射值，高分辨率影像反映了

4、更加精細的遙感影像分類本身作為一種非線性問題的求地表信息。應用于地物分類的影像含有不同類型的地解，滿足其解的方法在人工智能領域得到了驗證。物，需要選擇一定的特征代表不同類型的地物，并以一神經(jīng)網(wǎng)絡作為人工智能領域的一種從低維空間到定的方法將特征所對應的空間劃分為不同的子空間，以高維空間映射的方法，它以一定的數(shù)學模型描述生使影像中代表各類地物的像元歸為相對應的子空間。物神經(jīng)網(wǎng)絡的結(jié)構(gòu)，以一定的算法模擬生物的行針對高分辨率影像結(jié)構(gòu)信息豐富的特點，進行為，解決了傳統(tǒng)算法所面臨的智能信息處理問題。遙感影像分類時，既要考慮影像的灰度信息，也要BP、ＲBF和Hopfield等神經(jīng)網(wǎng)絡應用于遙感影像

5、分顧及影像的結(jié)構(gòu)信息，應選擇不同的特征反映以上類中，體現(xiàn)了神經(jīng)網(wǎng)絡分布式存儲、并行處理和自要求。目前，常用的特征包含均值、方差、能量、對［1］學習與自組織等功能。比度、熵、相關(guān)性和均質(zhì)度等。采用光譜信息與針對特定的遙感影像，不同類型的神經(jīng)網(wǎng)絡分類結(jié)構(gòu)信息等多種特征相結(jié)合的方法，可以充分地利器精度不同，而且同一個神經(jīng)網(wǎng)絡分類器對不同類別用影像灰度分布的信息，改善影像分類的效果。的分類精度也不同。一些神經(jīng)網(wǎng)絡分類器對一部分2．BP、ＲBF和Hopfield神經(jīng)網(wǎng)絡類別的分類精度高，而另一些神經(jīng)網(wǎng)絡分類器只對另遙感影像分類作為人工智能領域中模式識別的一部分類別的分類精度高，從而不同的神經(jīng)網(wǎng)

6、絡分類一種應用方向，其問題的解決需要利用以人類思維方器之間可能有一定的互補性。因此，利用這種特性集式為基礎的信息處理技術(shù)。而作為具有大規(guī)模并行成的神經(jīng)網(wǎng)絡便有可能提高遙感影像的分類精度。處理、容錯性自組織和自適應能力等特點的人工神經(jīng)本文分別研究了BP、ＲBF和Hopfield神經(jīng)網(wǎng)絡的特網(wǎng)絡，已成為解決遙感影像分類問題的有力工具。收稿日期:2013-01-16基金項目:國家863計劃(2010AA012304);現(xiàn)代城市測繪國家測繪地理信息局重點實驗室開放課題項目(20111211N)作者簡介:呂京國(1973—)，男，山東平度人，講師，主要從事遙感信息提取、遙感地表反演、攝影測量、

7、三維重建、地形監(jiān)測等方面的研究工作。18測繪通報2014年第3期神經(jīng)網(wǎng)絡作為一種并行處理連接網(wǎng)絡，以多個面對遙感影像分類問題，將訓練樣本操作的整互聯(lián)的神經(jīng)元為基本處理單元，構(gòu)建了具備信息存?zhèn)€問題域劃分為子問題，每一個子問題采用Bagging儲與信息計算能力的數(shù)學模型，抽象地模擬人腦智或Boosting算法技術(shù)的集成實現(xiàn)。針對不同分類器［2］能行為。目前，應用于遙感影像分類的神經(jīng)網(wǎng)絡所求解子問題域的輸出，則采用投票或決策融合的［6］模型有BP網(wǎng)絡、ＲBF網(wǎng)絡