学位论文 > 优秀研究生学位论文题录展示

基于人工神经网络的遥感影像分类研究

作　者: 李源泰
导　师: 赵俊三
学　校: 昆明理工大学
专　业: 地图学与地理信息系统
关键词: 遥感影像分类监督分类人工神经网络 MATLAB
分类号: P237
类　型: 硕士论文
年　份: 2010年
下　载: 237次
引　用: 0次
阅　读: 论文下载

内容摘要

随着空间遥感技术的不断发展,遥感影像空间分辨率也不断提高。人们可以从遥感影像中获得更多有用的数据和信息,而对遥感影像分类是遥感影像信息获取的重要手段。由于遥感影像上的光谱值是多种地物的混合光谱,存在着“同谱异物”和“同物异谱”现象,因此仅依靠像元光谱之间相似性进行分类的总体精度难以提高。而人工神经网络法由于其非线性特征和较强的容错能力,为解决上述问题提供了可能。本文回顾了遥感图象分类的研究背景,简要概述了遥感影像分类的概念和原理,详细探讨了传统的遥感分类方法——监督分类和非监督分类,以及近年来出现的一些新的分类方法——人工神经网络分类法。对各种网络模型的原理、算法及各自的优缺点进行了比较分析。通过运用C#.NET和ArcEngine技术,并调用MATLAB引擎实现了基于人工神经网络的遥感影像的自动化分类。通过分析分类过程中出现的误分现象,提出在分类过程中增加坡度因素的方法,将非遥感数据与遥感数据进行复合。在网络模型的训练过程中总结坡度与地物的相关性,并将最终的网络节点的阀值和权重保存在训练好的网络中。通过后期的分类评价表明,运用该方法使得分类精度有了显著的提升。最后,采用不同的网络模型和算法对实际遥感影像进行分类,并对分类结果进行分析比较,选择最优的网络模型。结果表明,人工神经网络分类方法在分类效果上要优于传统的分类方法,在各种BP网络模型中性能最优的是基于及早停止训练策略的Levenberg-Marquardt法。总之,遥感影像分类是模式识别领域一个比较复杂的问题,遥感影像的监督分类和非监督分类方法,是影像分类的最基本、最概括的两种方法。传统的监督分类和非监督分类方法虽然各有优势,但是也都存在一定的不足。而新的分类方法如神经网络以其自适应、自学习、联想记忆和分布存储等良好特性,被人们加以重视和广泛应用于影像分类中,打破了传统的统计分类方法的局限,提高了分类速度和精度。虽然各种分类方法各有特点,但在实际工作中还需要综合应用多种分类方法,以提高分类的准确率与精度。

全文目录

摘要  3-4
Abstract  4-8
第一章绪论  8-14
  1.1 研究的意义与背景  8-9
  1.2 国内外研究现状  9-11
  1.3 本文主要研究内容和框架  11-14
第二章遥感影像分类技术  14-22
  2.1 遥感影像分类基本原理  14-15
  2.2 监督分类  15-17
    2.2.1 最大似然法分类  16-17
    2.2.2 最小距离法分类  17
  2.3 非监督分类  17-19
    2.3.1 分级集群法  18
    2.3.2 动态聚类法  18-19
  2.4 传统分类方法的不足  19-20
  2.5 遥感影像分类的新方法  20-22
第三章人工神经网络  22-34
  3.1 人工神经网络的发展概况  22-23
  3.2 人工神经网络模型  23-26
    3.2.1 生物神经元模型  23-24
    3.2.2 人工神经元模型  24-26
    3.2.3 人工神经网络模型  26
  3.3 BP神经网络模型  26-34
    3.3.1 BP神经网络模型算法  26-28
    3.3.2 BP神经网络算法的局限性  28-29
    3.3.3 BP神经网络算法的改进模型  29-34
第四章神经网络遥感影像分类实现  34-52
  4.1 基础数据分析  34-35
  4.2 BP神经网络算法实现  35-40
    4.2.1 MATLAB简介  35-36
    4.2.2 利用MATLAB实现BP神经网络  36-38
    4.2.3 C#与MATLAB混合编程  38-40
  4.3 基于AE实现神经网络遥感影像分类  40-48
    4.3.1 ArcEngine简介  40-41
    4.3.2 影像数据的读取  41-43
    4.3.3 程序运行结果  43-45
    4.3.4 影像数据分块处理  45-48
  4.4 分类方法改进  48-52
第五章实验结果分析  52-58
  5.1 实验基本情况  52
  5.2 网络模型评价  52-55
  5.3 分类精度评价  55-58
第六章结论  58-60
  6.1 论文的主要研究成果及创新点  58
  6.2 存在的问题及原因分析  58-59
  6.3 研究展望  59-60
致谢  60-62
参考文献  62-66
附录  66

基于人工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