基于神經(jīng)網(wǎng)絡(luò)的高光譜遙感圖像分類研究.pdf

1、本論文的目的就是對常見的神經(jīng)網(wǎng)絡(luò)如BP(誤差反向傳播)神經(jīng)網(wǎng)絡(luò)、RBF(徑向基函數(shù))神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、訓(xùn)練算法進行研究，并結(jié)合其它的理論知識，尋找有效的高光譜遙感圖像分類方法。主要完成以下工作： 1．基于誤差梯度下降的標準BP算法對大多數(shù)的實際應(yīng)用而言都太慢了，針對這些不足，人們已經(jīng)提出了許多改進標準BP算法的方案。論文介紹了幾種改進BP算法的基本原理，并將它們用到實際高光譜遙感圖像分類中，對各種算法的性能作了歸納和對比。

2、 2．BP網(wǎng)絡(luò)初始權(quán)值的選取缺乏理論性的指導(dǎo)，成為BP神經(jīng)網(wǎng)絡(luò)應(yīng)用的一個弊端，而初始權(quán)值選取不當會使BP神經(jīng)網(wǎng)絡(luò)的性能受到嚴重的影響。為此，論文利用BP神經(jīng)網(wǎng)絡(luò)和決策融合理論相結(jié)合的辦法來提高高光譜遙感圖像的分類精度。 3．在RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，影響分類精度的主要參數(shù)為：隱層節(jié)點個數(shù)、徑向基函數(shù)的寬度及中心位置、隱層到輸出層之間的權(quán)值以及輸出層節(jié)點的閾值。這五個參數(shù)如果選取不當，將會使分類效果受到嚴重影響。論文將RBF神經(jīng)網(wǎng)絡(luò)

3、用于高光譜遙感圖像分類中，針對高光譜遙感圖像特點，結(jié)合具體影像實例，提出了一種設(shè)計以上五個參數(shù)的新方法。 4．在進行高光譜遙感圖像分類處理時，經(jīng)常會遇到“同物異譜”的情況。論文將基于目標分解的神經(jīng)網(wǎng)絡(luò)用到高光譜遙感圖像的分類中來?；谀繕朔纸獾纳窠?jīng)網(wǎng)絡(luò)分類方法由三部分組成，即目標分解、神經(jīng)網(wǎng)絡(luò)分類和“亞類”歸并。它對于具有“同物異譜”特性的地物，首先把它分解為幾種不同的“亞類地物”，使得分解后的每一種“亞類地物”自身的光譜特征是

4、一致的，其分布呈現(xiàn)單峰正態(tài)分布。然后把分解后的幾種“亞類地物”當成不同的地物類別送入神經(jīng)網(wǎng)絡(luò)去訓(xùn)練。最后在網(wǎng)絡(luò)輸出時加上一個邏輯運算，使得“亞類地物”重新歸并到原來的類別中去，以此來改善高光譜圖像的分類效果。 5．遙感圖像中，由于傳感器的空間分辨率以及地面的復(fù)雜多樣性而含有大量的混合像元。如何有效地解譯混合像元是高光譜遙感應(yīng)用的關(guān)鍵問題之一。論文采用一種方差純化樣本的方法來提取“端元”，并用RBF網(wǎng)絡(luò)對整幅遙感圖像進行混合像元分