基于ELM和RBFNN的高光譜遙感影像分類.pdf

1、隨著現(xiàn)代遙感技術(shù)的發(fā)展，高光譜遙感已成為遙感領(lǐng)域的前沿技術(shù)。高光譜遙感是高光譜分辨率遙感的簡稱。高光譜數(shù)據(jù)具有很多光譜波段且光譜分辨率很高。通過成像光譜技術(shù)所獲取的目標(biāo)圖像包含了豐富的空間、輻射、光譜三類信息，提供了比多光譜傳感器更豐富準(zhǔn)確的光譜信息，極大地提高了遙感影像對地物的分類識別能力，從而具有廣泛的民用和軍事應(yīng)用前景。高光譜遙感影像數(shù)據(jù)具有波段多、數(shù)據(jù)量大、數(shù)據(jù)不確定性等特點(diǎn)，且易受Hughes現(xiàn)象影響。所以，如何應(yīng)用高光譜技術(shù)

2、解決實(shí)際問題，依然具有挑戰(zhàn)性。隨著計算機(jī)科學(xué)領(lǐng)域的迅猛發(fā)展，空間數(shù)據(jù)庫中的空間數(shù)據(jù)愈加豐富。傳統(tǒng)的地理信息系統(tǒng)技術(shù)已不能滿足越來越多的數(shù)據(jù)處理需求，空間數(shù)據(jù)挖掘技術(shù)逐步被應(yīng)用到地理信息系統(tǒng)當(dāng)中。空間數(shù)據(jù)挖掘在地理信息系統(tǒng)中的運(yùn)用之一是處理遙感影像數(shù)據(jù)，以人工智能的方式進(jìn)行遙感解譯。目前很多空間數(shù)據(jù)挖掘算法已經(jīng)成功地被應(yīng)用到遙感圖像處理。
　　本研究針對高光譜遙感影像數(shù)據(jù)高維的特點(diǎn)，為提取特征盡可能保留有價值信息，本文提出首先利用線

3、性判別分析方法對高光譜遙感影像數(shù)據(jù)進(jìn)行降維預(yù)處理，接著采用極限學(xué)習(xí)機(jī)方法對其進(jìn)行分類。為評估該方法的有效性，使用美國Aviris高光譜遙感影像對其進(jìn)行實(shí)驗(yàn)。其分類效果較好，表明該算法具有較高的分類準(zhǔn)確性。高光譜遙感影像數(shù)據(jù)量大，針對該特點(diǎn)，為盡可能保留數(shù)據(jù)中有價值的信息，本文提出首先采用線性判別分析方法對高光譜遙感影像數(shù)據(jù)進(jìn)行降維，接著應(yīng)用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法進(jìn)行分類處理。為證明該算法的有效性，實(shí)驗(yàn)使用美國Salinas-A高光譜遙感