论文：结合矢量的神经网络算法用于遥感像分类研究.pdf

结合矢量的神经网络算法用于遥感影像分类研究 陈玉敏1 万幼川2 1、 武汉大学测绘遥感信息工程国家重点实验室，武汉市珞喻路 129 号，430079 2 、武汉大学遥感信息工程学院，武汉市珞喻路 129 号，430079 摘要：由于传统遥感影像分类方法存在不足，因而采用神经网络算法进行遥感影像分类研究。本文讨论BP 神经网络算法中存在的问题，提出了结合矢量信息的 BP 神经网络算法用于遥感影像分类的实现。通过实 验示例显示采用与矢量相结合的 BP 神经网络算法，影像分类精度有很大提高，获得有效的分类结果。 关键词：矢量信息；BP 神经网络算法；遥感影像分类 Approach of Neural Network Based on Vector Information to Classification Of Remote Sensing Image Chen Yumin1 Wan Youchuan2 1 State Key Laboratory for Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University,430079 2 School of Remote Sensing and Information Engineering, Wuhan University,430079 Abstract: The traditional approaches of classification are always unfavorable in the description of information distribution. This paper describes the problem in the BP neural network approach and the approach of BP neural network based on vector information to the classification of remote sensing images. The experiment shows that the improved method gains more effective result. Key words: BP neural network model; vector Information; classification of remote sensing image 遥感影像分类最常用的算法是基于影像数据所代表的地物光谱特征的统计模式识别 法。但由于统计方法只是根据各波段灰度数据的统计特征进行的，加上卫星遥感光谱数据 空间分辨率比较低，因而一般带有综合光谱信息的特点，致使计算机分类面临着诸多模糊 对象。近年来，随着神经网络技术的发展，人们尝试采用神经网络算法进行遥感影像分类 的研究。由于神经网络具有分布式存储信息，对信息的处理及推理的过程具有并行的特点， 对信息的处理具有自组织、自学习等特点，使得神经网络算法在遥感影像分类上取得一定 成果。一般采用的神经网络模型有 BP 神经网络算法、Hopfield 神经网络算法、Kohonen 神经网络算法等。 然而，BP 神经网络算法等依然存在一定的问题，例如，分类数的确定，样本区域选取， 影像分类识别能力和可信度的鉴别等，都有待进一步的研究改进。如果能够有效的引入矢 量信息作为算法分类的依据之一，将会改善算法的分类效果。本文将讨论结合矢量信息的 BP 神经网络算法用于遥感影像分类。 1．结合矢量的神经网络分类思想 传统的 BP 神经网络算法在样本训练过程中，对于影像所具有的类别数没有明确的判断 标志，往往是根据事先指定的相关的类别。由于直接对影像通过目视判读等方式获得的信 息不一定完全准确，最好能够经过实地勘测，然后决定对哪些类别进行分类判定比较合适。 如果有矢量地图，影像所在地的地物在矢量地图上都有相应的符号标识，那么借助矢量地 图能够对影像信息进行补充，有利于根据不同目的较好的判断出需要对哪些地物类别进行 分类识别，各个地物类别