学位论文 > 优秀研究生学位论文题录展示

基于神经网络的高分辨率遥感影像分类研究

作　者: 杨希
导　师: 刘国祥
学　校: 西南交通大学
专　业: 摄影测量与遥感
关键词: 高分辨率遥感影像分类 BP神经网络法最大似然法分类精度评定
分类号: TP751
类　型: 硕士论文
年　份: 2009年
下　载: 478次
引　用: 7次
阅　读: 论文下载

内容摘要

自20世纪70年代起,卫星遥感技术的发展带来了遥感影像呈现出米级分辨率的趋势,逐渐步入以高分辨率遥感影像数据为主要产物的时代。遥感影像分类技术可以有效地将高分辨率影像中丰富的信息资源提取出来,并转化为科学的分析成果以进行实际的生产和应用,从而在商业和民用领域中发挥出重大作用。人工神经网络(ANN)分类法是一种非参数的分类方法,具有良好的适应能力和复杂的映射能力,能实现非线性的数据模式识别,比之基于传统统计理论的分类方法,它无须事先假定或估计目标的概率分布函数,故在进行以数据量多、含混度高著称的遥感影像的分类处理时,该方法能获得很好的分类结果和精度。其次,神经网络方法能够有效地结合高分辨率影像的光谱和纹理特征,充分地利用影像的光谱和空间信息,有望提高分类精度。本文以2006年11月获取的四川省成都市郫县犀浦镇部分地区的QuickBird影像作为实验数据,采用BP神经网络方法对研究区域进行分类处理及精度评定等研究。论文主要完成了如下研究内容并得到相应的结论:1、论文针对高分辨率影像的特征,对研究区域的QuickBird影像进行基本处理与分析,主要根据最佳指数因子OIF分析、图像融合处理、灰度共生矩阵纹理分析等,提取出影像最优组合的光谱特征(融合后的432波段影像)和纹理特征(从全色影像提取的对比度CON纹理图像),作为待分类的特征数据。2、分析待分类的特征数据和研究区域的地物特征,选取训练样本、设定BP网络结构,并采用训练样本归一化预处理、引入动量因子、设定各层不同的学习率和调整网络结构等方法对BP算法进行改进,以保证训练的稳定性和提高收敛速度。基于ENVI平台和IDL语言编写了BP神经网络分类及精度评定的计算机程序,实现了研究区域QuickBird影像的BP神经网络分类。研究结果表明:结合高分辨率影像的光谱和纹理信息后,BP神经网络分类的精度得到提高,其分类总体精度达到93%以上,且Kappa系数超过0.9。3、采用BP神经网络法和最大似然法进行对比试验。研究表明:BP神经网络分类方法能区分出最大似然法无法区别的地物,其分类结果图的整体质量更好,且其分类总体精度和Kappa系数均略大于最大似然法对应的参数,从而验证了BP神经网络分类法优于最大似然分类法,前者更适用于一般区域的分类处理和信息提取。本文结合高分辨率影像的光谱和纹理特征,采用BP神经网络分类法实现了影像的自动分类处理,完成了地物信息提取。这一试验研究及成果对我国西南部平原地区基于高分辨率影像的土地利用/土地覆盖资源调查具有一定的参考和指导意义。

全文目录

摘要  6-8
Abstract  8-12
第1章绪论  12-18
  1.1 概述  12-13
  1.2 BP神经网络分类的研究现状  13-15
  1.3 问题提出及本文的研究方法  15-16
  1.4 本文的组织结构  16-18
第2章高分辨率影像基本处理与分析  18-36
  2.1 研究区域概况  18-20
  2.2 高分辨率影像数据预处理  20-25
    2.2.1 最优波段组合  20-21
    2.2.2 试验区域选定  21-22
    2.2.3 图像融合处理  22-25
  2.3 高分辨率影像纹理信息分析  25-33
    2.3.1 纹理的定义和描述  25-26
    2.3.2 基于灰度共生矩阵的纹理分析  26-31
    2.3.3 纹理特征信息筛选  31-33
  2.4 小结  33-36
第3章遥感影像分类方法  36-44
  3.1 遥感影像分类概述  36-37
  3.2 遥感影像分类方法  37-41
    3.2.1 非监督分类  37
    3.2.2 监督分类  37-41
  3.3 遥感影像分类精度评定  41-43
  3.4 小结  43-44
第4章 BP神经网络分类算法及程序开发  44-68
  4.1 神经网络概述  44-46
    4.1.1 生物学启示  44-45
    4.1.2 神经网络主要特点及应用  45-46
  4.2 BP(误差反向传播)神经网络分类  46-52
    4.2.1 BP网络分类的基本思想  46-48
    4.2.2 BP算法过程  48-51
    4.2.3 BP算法改进  51-52
  4.3 BP网络分类程序开发  52-67
    4.3.1 程序开发环境介绍  52-53
    4.3.2 BP网络分类程序开发流程  53-61
    4.3.3 程序开发主要成果及应用流程  61-67
  4.4 小结  67-68
第5章高分辨率影像BP网络分类试验及结果分析  68-91
  5.1 训练样本选取和输入  68-71
  5.2 BP网络结构设定  71-72
  5.3 BP网络训练实现  72-77
  5.4 BP网络分类及精度评定  77-83
    5.4.1 BP网络分类及成果表示  77-80
    5.4.2 精度评定及分析  80-83
  5.5 分类成果及精度对比分析  83-90
  5.6 小结  90-91
结论与展望  91-93
致谢  93-94
参考文献  94-99
攻读硕士学位期间发表的论文及科研成果  99

基于神经网络的高分辨率遥感影像分类研究

内容摘要

全文目录

相似论文