学位论文 > 优秀研究生学位论文题录展示

基于改进型BP神经网络的遥感影像分类研究

作　者: 刘香伟
导　师: 武雅丽
学　校: 长安大学
专　业: 计算机应用技术
关键词: 遥感影像分类神经网络改进型BP神经网络精度分析
分类号: TP751
类　型: 硕士论文
年　份: 2009年
下　载: 247次
引　用: 2次
阅　读: 论文下载

内容摘要

遥感影像分类是遥感研究领域的一个重要内容。对于怎样解决多类别图像的分类,并且满足一定的精度要求,是遥感应用研究中的一个关键问题,特别是在地质调查、矿产勘查方面具有十分重要的现实意义。神经网络技术是遥感影像分类处理的一个重要手段。BP神经网络具有较强的学习能力,在分类识别方面具有广泛的运用。但是,BP神经网络学习收敛速度缓慢、训练过程易陷入局部极小值,所以论文采用自适应的学习速率和附加动量法改进BP神经网络模型,以提高遥感影像的分类精度。论文在2008年新疆木垒县色皮口一带1:5万区域地质矿产调查项目支持下,利用LANDSAT-7 ETM+遥感影像,设计了基于MATLAB神经网络工具箱的改进型BP神经网络模型,对新疆木垒县512×512像元的实验区进行地物分类研究。通过误差矩阵对分类结果进行精度分析,发现采用改进型BP神经网络对遥感影像分类的总体分类精度是89.06%,Kappa系数为85.53%。与最大似然法、传统BP神经网络法、最小距离法、非监督分类法比较,总体精度分别提高了5.36%、8.53%、13.06%、23.69%。总之,论文采用改进型BP神经网络对遥感影像分类能够满足区域地质工作要求,可以快速处理数据,提取信息,有针对性地对地物进行处理,提高野外识别能力,比目视解译更有效,可信度更高。论文所采用的方法适合在西部同类地区或地理特征类似的地区推广,同样对从事地质调查的单位和相关人员也很实用,可以提高工作效率,节约经费,提高信息化水平。

基于改进型BP神经网络的遥感影像分类研究

内容摘要

全文目录

相似论文