基于LVQ神經(jīng)網(wǎng)絡(luò)分層模型的遙感影像分類.pdf

1、遙感是二十世紀(jì)60年代發(fā)展起來的一門對地觀測綜合性技術(shù)。隨著其飛速發(fā)展，遙感技術(shù)所具有的時效性強、覆蓋范圍廣、信息豐富客觀等優(yōu)點逐漸被入們所認可，它已經(jīng)成為人們獲取地球表面信息最有效的手段之一。各種遙感系統(tǒng)，主動的和被動的，航天的和航空的，可見光的、紅外的和微波的等，為人們提供了越來越多的遙感信息。相比之下，目前遙感信息的處理水平遠遠滯后于遙感信息的獲取水平，這嚴(yán)重制約了遙感技術(shù)的應(yīng)用。 遙感影像分類作為遙感信息處理的一項關(guān)鍵技

2、術(shù)，已經(jīng)廣泛應(yīng)用于土地利用/覆蓋分類，取得了良好的社會和經(jīng)濟效益。在一些地表情況復(fù)雜的區(qū)域，如本研究區(qū)所在的騰格里沙漠南緣，由于地物類型多樣、地形變化顯著、覆蓋范圍廣等特點，導(dǎo)致同物異譜和同譜異物現(xiàn)象十分嚴(yán)重，單純利用光譜特征的遙感影像土地利用/覆蓋分類往往達不到理想的精度，直接影響了遙感影像的應(yīng)用水平和實用價值。因此，提高遙感影像的分類精度是遙感應(yīng)用的一個關(guān)鍵問題。 在分類過程中集成光譜特征和輔助特征來提高分類精度已成為一種趨

3、勢。有兩種方式可以將輔助特征集成到遙感影像分類過程中：其一是把輔助特征作為分類的邏輯通道；其二是利用輔助特征對影像進行地理分區(qū)。對于第一種方法，廣泛應(yīng)用予遙感影像分類中的基于統(tǒng)計的分類算法是以參數(shù)估計和統(tǒng)計假設(shè)為前提，需要分類數(shù)據(jù)服從一定的分布，而輔助特征各類別數(shù)據(jù)的分布難以滿足這個條件，因而導(dǎo)致分類精度不高。第二種方法需要從輔助特征獲取知識來進行分類，遺憾的是這種知識由于表達方式的缺陷而往往帶有主觀性和不完整性。作為一種分類算法，無需

4、參數(shù)估計和統(tǒng)計假設(shè)的人工神經(jīng)網(wǎng)絡(luò)方法在集成處理光譜特征和輔助特征時具有優(yōu)勢。該文介紹了學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)，以它為分類器建立一種分層分類模型，依據(jù)這個模型，以騰格里沙漠南緣的TM遙感影像為基本數(shù)據(jù)，在知識的指導(dǎo)下加入形狀、位置、紋理等輔助特征進行分類。作為對比，同時進行了單純利用光譜特征的最大似然法分類。 該文主要研究工作和成果如下： (1)系統(tǒng)回顧了遙感影像各種常用分類算法的原理與局限性，研究了學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)的基

5、本原理及其在遙感影像分類中的應(yīng)用，闡述了它所具有的算法優(yōu)勢，并提出了以它為分類器的分層分類模型。 (2)根據(jù)野外考察和知識推理，確定了幾種能指示地物分布的輔助特征，通過各類別數(shù)據(jù)在特征空間中的分布分析，說明了輔助特征在遙感影像分類中的作用，對這些輔助特征進行了量化處理，加入到分類過程中。 (3)利用MATLAB軟件的神經(jīng)網(wǎng)絡(luò)工具箱設(shè)計LVQ神經(jīng)網(wǎng)絡(luò)分類器，以研究區(qū)的TM影像光譜數(shù)據(jù)和輔助數(shù)據(jù)作為分類特征進行區(qū)域土地利用/