基于模糊bp神經(jīng)網(wǎng)絡(luò)遙感影像分類(lèi)不確定性探究

《基于模糊bp神經(jīng)網(wǎng)絡(luò)遙感影像分類(lèi)不確定性探究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、基于模糊BP神經(jīng)網(wǎng)絡(luò)遙感影像分類(lèi)不確定性探究　　摘要：隨著衛(wèi)星遙感分辨率的不斷提高以及遙感技術(shù)的飛速發(fā)展，人們可以從遙感圖像中獲得更多有用的數(shù)據(jù)和信息，遙感影像的分類(lèi)技術(shù)就是獲取這些信息的重要手段。而遙感圖像分類(lèi)過(guò)程中造成的不確定性是影響其產(chǎn)品質(zhì)量的最主要方面。因此，對(duì)遙感分類(lèi)不確定性問(wèn)題的研究也變得非常重要。本文提出的相對(duì)不確定值R，綜合考慮多類(lèi)別的隸屬度值的影響因素，將相對(duì)不確定值R與其他相關(guān)研究中使用的指標(biāo)——最大隸屬度U進(jìn)行比較分析，可以看到相對(duì)不確定值不僅能夠?qū)b感分類(lèi)不確定性進(jìn)行描述和評(píng)價(jià)，還能避免因其它類(lèi)別

2、的隸屬度而引起的誤差。關(guān)鍵詞：遙感影像分類(lèi)、模糊理論、BP神經(jīng)網(wǎng)絡(luò)、相對(duì)不確定度值中圖分類(lèi)號(hào)：TN711文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1前言6目前，遙感技術(shù)的應(yīng)用為各種地學(xué)學(xué)科的發(fā)展提供了探索地球的方式和新的數(shù)據(jù)來(lái)源。遙感影像能夠提供全球監(jiān)測(cè)的實(shí)時(shí)動(dòng)態(tài)信息，為更好地研究全球人口、資源、環(huán)境的變化，創(chuàng)造了空前的有利條件。作為采集地理空間信息的重要手段，遙感在很短的發(fā)展時(shí)間里，為地球科學(xué)的研究工作提供了大量同步、宏觀的第一手信息，而且，航天遙感信息獲取技術(shù)也在快速發(fā)展中，提供這種數(shù)據(jù)的能力越來(lái)越強(qiáng)。然而，對(duì)遙感影像的理解仍落后于信

3、息的獲取，有人估計(jì)，人們經(jīng)計(jì)算機(jī)處理所獲得的遙感圖像，按比例來(lái)算還不足5%，遠(yuǎn)遠(yuǎn)不能滿足各個(gè)領(lǐng)域?qū)b感圖像信息日益增長(zhǎng)的應(yīng)用需求。其主要原因在于，遙感數(shù)據(jù)與遙感信息二者之間存在明顯的知識(shí)間隙，缺乏地學(xué)上的理解和對(duì)遙感成像機(jī)理深入研究的支持。在這樣的大環(huán)境下，如何全面認(rèn)識(shí)各種數(shù)字影像或模擬影像所反映出的地學(xué)過(guò)程和地表景觀，如何通過(guò)多種途徑利用遙感信息本身的特征得到地球物體在形態(tài)、物理、化學(xué)等方面的屬性，如何在數(shù)學(xué)與地學(xué)意義上建立影像與地面物體的對(duì)應(yīng)關(guān)系，等等這些都是填補(bǔ)遙感信息分析與提取知識(shí)空隙的主要研究?jī)?nèi)容。2遙感影像分

4、類(lèi)不確定性評(píng)價(jià)模型的建立6本文運(yùn)用到模糊理論中的隸屬度，同時(shí)結(jié)BP神經(jīng)網(wǎng)絡(luò)模型的三層網(wǎng)絡(luò)結(jié)構(gòu)展開(kāi)實(shí)證研究。神經(jīng)網(wǎng)絡(luò)與模糊理論均屬于非參數(shù)化的非線性動(dòng)力系統(tǒng)，但兩者特性卻存在較大差異。模糊邏輯知識(shí)提取和表達(dá)簡(jiǎn)便，擅長(zhǎng)處理結(jié)構(gòu)化的問(wèn)題，而神經(jīng)網(wǎng)絡(luò)可直接從樣本中學(xué)習(xí)，對(duì)處理非結(jié)構(gòu)化的信息更有效。兩者的集成應(yīng)當(dāng)取長(zhǎng)補(bǔ)短，發(fā)揮各自?xún)?yōu)勢(shì)。因此在本文中，選擇模糊理論和人工神經(jīng)網(wǎng)絡(luò)理論相結(jié)合，展開(kāi)對(duì)遙感影像不確定性的分析評(píng)價(jià)。具體技術(shù)路線如圖2.1所示。3遙感影像分類(lèi)不確定性分析實(shí)證研究3.1試驗(yàn)數(shù)據(jù)介紹本次試驗(yàn)采用的是高分辨率的武漢市

5、南湖區(qū)域的衛(wèi)星遙感影像。武漢地理坐標(biāo)為北緯30°33”、東經(jīng)114°19”。屬亞熱帶濕潤(rùn)季風(fēng)氣候。本文選用能夠比較清楚反映土地利用分區(qū)狀況的quickbird影像作為研究數(shù)據(jù)。圖中主要的地類(lèi)有水體、植被、建筑物、道路等，整個(gè)南湖區(qū)域處于正在建設(shè)過(guò)程中，地物類(lèi)型相對(duì)單一，為簡(jiǎn)單起見(jiàn)，將試驗(yàn)區(qū)的數(shù)據(jù)分為三類(lèi)：水體、植被和建設(shè)用地。選擇過(guò)程中應(yīng)注意保證各個(gè)地類(lèi)都考慮到，同時(shí)盡量選擇像元相對(duì)單純，混合像元比較少的地方，圖2.1不確定性評(píng)價(jià)的技術(shù)路線以提高目視判斷的精度，降低分類(lèi)誤差。經(jīng)過(guò)剪裁處理圖像如圖3.1所示。3.2分類(lèi)流程

6、在具體的分類(lèi)中，用2、3、4來(lái)表示水體（water）、植被（vegetation）、建設(shè)用地（building）的mask值。利用最大似然法分類(lèi)，將分類(lèi)結(jié)果存于三個(gè)新建的通道，隸屬度也相對(duì)應(yīng)有最大值、次大值以及最小值，同樣存放于三個(gè)新建通道中，運(yùn)行分類(lèi)即可。6圖3.1試驗(yàn)區(qū)域最后讀取隸屬度文件信息，先將分類(lèi)結(jié)果轉(zhuǎn)換ERDAS支持的格式.img，Layer1—4為波段值的灰度信息，Layer5—7為分類(lèi)結(jié)果信息，Layer8—10為最大隸屬度、次大隸屬度及最小隸屬度的相關(guān)信息（如圖3.5中a、b所示）。圖3.5（a）ERD

7、AS中顯示的分類(lèi)結(jié)果圖3.5（b）ERDAS中顯示的各像元最大隸屬度值3.3數(shù)據(jù)處理從模糊隸屬度的角度考慮，不確定度最大的情況是三個(gè)隸屬度值均為33（百分制），不確定度最小的情況是100，因此根據(jù)這個(gè)思想，我們選取最大隸屬度這個(gè)通道layer8作為判決條件，獲取其中的隸屬度以及相對(duì)應(yīng)的四波段灰度值信息和另外兩個(gè)隸屬度值。在MATLAB軟件運(yùn)用下列代碼讀取layer1—layer4和layer8五個(gè)通道的信息并保存至.xls文件和.txt文件。I=imread(‘c:anhu5.tif’)i1=I(:，:，通道號(hào));6

8、我們界定一個(gè)不確定性最大和不確定性最小的值，作為BP神經(jīng)網(wǎng)絡(luò)的樣本的訓(xùn)練參數(shù)。對(duì)于這兩個(gè)值的選定，由于考慮到誤差的存在，確定最大隸屬度數(shù)值為0—33的像元為不確定性最大（對(duì)應(yīng)不確定度為1），99—100的像元為不確定性最?。▽?duì)應(yīng)不確定度為0）。由于數(shù)據(jù)量的龐大，對(duì)該數(shù)據(jù)的選取需要結(jié)合軟件，以及JAVA代碼實(shí)現(xiàn)。最后得