学位论文 > 优秀研究生学位论文题录展示

遥感影像分类与信息发布技术研究

作　者: 庞晓琼
导　师: 陈立潮
学　校: 中北大学
专　业: 计算机应用技术
关键词: 遥感影像分类 BP神经网络模拟退火遥感信息发布 Web服务
分类号: TP751
类　型: 硕士论文
年　份: 2006年
下　载: 160次
引　用: 0次
阅　读: 论文下载

内容摘要

遥感影像的自动分类是模式识别技术在遥感技术领域的具体应用。在与统计分类方法的比较中,神经网络方法体现出了巨大的优越性。人工神经网络不需要预先假设样本空间的参数化统计分布,有着良好的并行处理性能,能适应多波段的需要。在神经网络的不同算法中,应用和研究最多的是反向传播人工神经网络模型(BP网络模型),本文提出一种基于模拟退火 BP神经网络模型的遥感影像自动分类方法。该网络模型利用模拟退火的思想,结合动量梯度下降法和标准BP神经网络各自的优势,对动量参数和权值进行调整,不仅能避免网络陷人局部极小点,而且能使网络稳定地收敛。网络训练和遥感影像分类结果表明改进后的网络易收敛且性能稳定,分类精度较高,有实际应用价值。同时本文着眼目前遥感信息发布现状,结合统一的Web服务对象封装技术,提出并实现了一种跨平台、无缝集成的系统设计方案:采用XML Web服务发布遥感信息。实现了跨平台和不同语言的应用集成,促进了遥感信息的电子商务化和遥感经济的发展。

全文目录

1. 绪论  9-12
  1.1 问题概述  9-10
    1.1.1 遥感影像分类  9
    1.1.2 遥感信息发布  9-10
  1.2 本文主要工作  10-11
  1.3 本文结构  11-12
2. 遥感影像分类技术  12-21
  2.1 概述  12-13
  2.2 传统分类方法  13-16
    2.2.1 监督分类和非监督分类  13-14
    2.2.2 软件分类方法  14
    2.2.3 K-Means 算法  14-15
    2.2.4 最大似然比分类法  15-16
  2.3 研究进展  16-18
    2.3.1 传统方法的缺陷  16-17
    2.3.2 神经网络方法  17-18
  2.4 评估标准  18-21
    2.4.1 误差矩阵  18-19
    2.4.2 精度指标  19
    2.4.3 Kappa 分析  19-21
3. 基于神经网络的遥感影像分类  21-38
  3.1 人工神经网络  21-25
  3.2 反向传播网络  25-28
    3.2.1 标准BP 网络  25-28
    3.2.2 动量改进网络  28
  3.3 分类过程  28-30
  3.4 实验及结果  30-38
    3.4.1 实验数据  30-31
    3.4.2 训练结果  31-33
    3.4.3 分类结果  33-38
4. 模拟退火改进神经网络  38-46
  4.1 BP 的局限  38
  4.2 模拟退火算法  38-39
  4.3 模拟退火参数设置  39-40
  4.4 基于模拟退火的BP  40-42
  4.5 算法流程  42-43
  4.6 实验及结果  43-46
    4.6.1 训练结果  43-44
    4.6.2 分类结果  44-46
5. 遥感信息发布技术  46-57
  5.1 概述  46
  5.2 WEB 服务  46-51
    5.2.1 体系架构  48
    5.2.2 技术核心  48-49
    5.2.3 技术优势  49-51
  5.3 设计与实现  51-57
    5.3.1 系统结构  51-52
    5.3.2 实现方法  52-55
    5.3.3 结果与分析  55-57
6. 总结与展望  57-59
  6.1 总结  57
  6.2 展望  57-59
参考文献  59-61
攻读硕士学位期间发表的论文及所取得的研究成果  61-62
致谢  62

遥感影像分类与信息发布技术研究

内容摘要

全文目录

相似论文