遥感影像分类与信息发布技术研究

遥感影像分类与信息发布技术研究作者：庞晓琼学位授予单位：中北大学相似文献(10条)1.学位论文刘香伟基于改进型BP神经网络的遥感影像分类研究2009遥感影像分类是遥感研究领域的一个重要内容。对于怎样解决多类别图像的分类，并且满足一定的精度要求，是遥感应用研究中的一个关键问题，特别是在地质调查、矿产勘查方面具有十分重要的现实意义。神经网络技术是遥感影像分类处理的一个重要手段。BP神经网络具有较强的学习能力，在分类识别方面具有广泛的运用。但是，BP神经网络学习收敛速度缓慢、训练过程易陷入局部极小值，所以论文采用自适应的学习速率和附加动量法改进BP神经网络模型，以提高遥感影像的分类精度。论文在2008年新疆木垒县色皮口一带1：5万区域地质矿产调查项目支持下，利用LANDSAT-7ETM+遥感影像，设计了基于MATLAB神经网络工具箱的改进型BP神经网络模型，对新疆木垒县512×512像元的实验区进行地物分类研究。通过误差矩阵对分类结果进行精度分析，发现采用改进型BP神经网络对遥感影像分类的总体分类精度是89.06％，Kappa系数为85.53％。与最大似然法、传统BP神经网络法、最小距离法、非监督分类法比较，总体精度分别提高了5.36％、8.53％、13.06％、23.69％。总之，论文采用改进型BP神经网络对遥感影像分类能够满足区域地质工作要求，可以快速处理数据，提取信息，有针对性地对地物进行处理，提高野外识别能力，比目视解译更有效，可信度更高。论文所采用的方法适合在西部同类地区或地理特征类似的地区推广，同样对从事地质调查的单位和相关人员也很实用，可以提高工作效率，节约经费，提高信息化水平。2.会议论文赵泉华.宋伟东.鲍勇基于分形纹理的BP神经网络遥感影像分类2007为了解决快速、高精度的遥感影像分类问题，本文在MATLAB平台基础上,提取离散分形布朗模型的水平分维、垂直分维、对角分维、综合分维四种分形纹理特征,采用BP神经网络对遥感图像进行监督分类,首先将提取好的特征作为样本矩阵送入BP网络进行训练,然后用训练好的网络对待分类遥感影像进行分类,最后采用混淆矩阵法对分类结果进行精度评定。试验表明采用分形纹理特征的神经网络方法进行遥感影像分类具有运算速度快、分类精度高的特点。3.会议论文罗小波.刘明培基于优化的BP神经网络遥感影像分类2006本文在网络结构给定的情况下,利用遗传算法的全局寻优能力得到一组权值和阈值作为BP神经网络的初始权值和阈值,来避免BP神经网络易陷入局部极小的缺陷,同时也可以提高网络的收敛速度.然后再利用BP神经网络的局部寻优能力,对权值和阈值进行进一步的精细调整.实验结果表明,把这种基于遗传算法的BP神经网络应用于遥感影像监督分类,具有较高的分类精度.4.学位论文李小涛地统计学和神经网络在遥感影像分类中的应用研究2004遥感影像分类一直是遥感研究领域的重要内容,传统的遥感影像分类方法大都是基于影像光谱特征的计算机自动分类,忽略了影像的空间结构信息,而且传统的分类方法对数据的分布要求较严格.针对这一问题,本文提出了一种辅以地统计学变差函数纹理特征的神经网络分类方法.纹理是遥感影像的一个重要特征,在这一方面人们做了大量的研究.近年来,高分辨率遥感影像的出现,为我们提供了更为丰富、清晰的纹理信息,有效的利用这些纹理信息对于遥感影像分类具有重要的实用价值.本文首先分析了遥感影像分类方法和纹理提取方法的研究现状,接着对地统计学的基本原理进行了论述,在这一理论的基础上,对变差函数应用于遥感影像的纹理描述和提取进行了论证和实验说明;并就一些具体应用问题如计算窗口大小、计算方向和计算步长的选择等问题进行了讨论,提出了一种自适应的确定纹理计算窗口大小的方法;同时,在现有算法的基础上提出了一种新的纹理计算方法--加权变差函数法.在以上研究的基础上,考虑到神经网络分类方法对数据源性质没有要求,因此,本文将由变差函数得到的纹理信息与光谱信息相结合,运用神经网络方法进行分类和地物识别,并与最大似然法的分类结果进行了对比分析,结果表明该方法能明显提高遥感影像的分类精度.通过本次研究说明本文所提出的辅以变差函数纹理特征的多光谱遥感影像神经网络分类方法是可行的.5.期刊论文贾永红.张春森.王爱平.JIAYong-hong.ZHANGChun-sen.WANGAi-ping基于BP神经网络的多源遥感影像分类-西安科技学院学报2001,21(1)在研究人工神经网络理论的基础上，应用动量法和学习率自适应调整的策略，改进了BP神经网络法。并用于对同一地区的LandsatTM3,4,5影像和航空SAR影像融合进行分类和分类融合结果进行了比较。结果表明：同标准的BP神经网络、传统的Bayes融合分类法相比，改进的BP神经网络融合法不仅获得了标准BP网络高的分类精度，可同Bayes融合媲美，而且提高了学习率，增强了算法的可靠性，因而提高了影像分类速度，更适用于遥感影像分类。6.学位论文刘琦GIS辅助遥感影像分类面积提取技术和方法研究2004国家863项目重大行业3S应用示范——农业是为了发展精准农业开展的科研项目.该项目研究的目标之一是开发基于3S(GPS、GIS、RS)技术的作物品质与肥水调优栽培系统.为了开发实用的GIS系统,增强系统遥感影像预处理模块功能,提出该课题要求——GIS辅助遥感影像分类面积提取技术和方法研究.该论文在研究3S、模式识别、遥感影像处理理论基础上,提出了在GIS辅助下的遥感影像分类提取作物面积的方法.论文中着重论述遥感影像从转入到预处理,到神经网络分类器分类,再到分类后处理,以及面积统计等环节的设计及实现.该课题遥感影像模式分类所基于BP神经网络分类器,在GIS功能辅助下,提高了地物分类的精度,能够为该系统的决策及其他操作打下基础.该课题的研究为今后GIS下集成遥感影像处理功能,实现GIS辅助影像分类,提供理论依据和实践经验.该课题实现了RS作为系统的重要信息源与GIS的集成,克服了传统提取作物面积时必须使用遥感影像处理软件的缺陷.遥感影像处理模块能够实现信息控制、查询、统计等多种功能.通过采用WebGIS技术、ComGIS技术、组件技术以及公式识别等技术,实现了B/S网络模式的作物品质与肥水调优栽培系统.该系统的开发填补了中国农业科学中作物品质遥感领域的空白,达到国内领先水平.该系统已通过国家863课题专家组的验收,即将在实验区投入使用.7.期刊论文吴芳.贾永红.WUFang.JIAYongHong基于PCA-BPNN的多光谱遥感影像分类-地理空间信息2006,4(1)基于BP算法的神经网络方法目前已广泛运用于遥感影像分类,提出一种主成分分析(PCA)与BP神经网络相结合的遥感影像分类方法--PCA-BPNN,实验证明该方法是可行并且有效的,在减少计算量和加快收敛的同时,提高了分类的精度.8.学位论文都业军人工神经网络在遥感影像分类中的应用与对比研究2008随着遥感数据的空间分辨率、光谱分辨率、时间分辨率不断提高，现已形成集多源、多光谱、多空间分辨率的遥感影像海量数据集。但如何利用这些数据来挖掘潜藏的信息，是限制遥感发展和应用的一个关键性问题。其中，影像分类作为遥感信息提取的一个重要方面，应用传统贝叶斯分类器的遥感影像分类方法已不能满足精度的需要，而基于非线性映射的人工神经网络分类方法为这一问题提供了更加理想的解决方案，因为神经网络分类并不是基于某个假定的概率分布，而是通过对训练样本的学习获得网络的权值，形成分类器。采用神经网络算法进行遥感影像分类，可以在一定程度上消除传统的遥感影像分类所带来的模糊性和不确定性。本文采用2002年呼和浩特东北部地区的LandsatTM遥感数据为数据源，在深入研究标准BP神经网络理论的基础上，通过对训练样本构建方法、训练算法的选择、最佳隐含层神经元个数的确定等方面，对BP神经网络分类过程进行了系统的研究，对于实现过程中所存在的问题，提出自己的改进方法。研究结果表明：使用样本均值法构建的训练样本所训练的网络即使能够以高精度、快速收敛，但不能实现有效分类；针对于标准BP网络收敛速度慢、容易陷入局部最小的问题，研究中发现基于LM算法BP神经网络极大地提高训练速度以及收敛精度，取得非常好的分类效果；在以上研究的基础上，为了克服波段间高相关和数据冗余的问题，将TM1、TM2、TM3共3个波段进行主成分分析，取第一主成分，与其它波段构成数据集，并用此数据进行人工神经网络训练和分类研究。结果表明，在分类精度相差不大的条件下，应用主成分变换使网络的收敛更加迅速、仿真速度有所加快。将基于LM训练算法的BP神经网络分类结果分别同最大似然法、目视解译结果进行比对，总体上说，神经网络的分类精度要比最大似然法分类效果要好，更加接近目视解译结果，人工神经网络遥感影像分类方法比传统分类方法有所改进。然而，采用神经网络模型仍存在许多亟待解决的问题，如神经网络最佳结构的确定，参数的选择，同时神经网络也是基于光谱特征对遥感影像进行分类的，也存在同最大似然法同样的问题，不能解决“同谱异物”“同物异谱”现象等问题，有待集成其它数据来解决，进一步提高分类精度，满足实际应用的需要。9.期刊论文陈启浩.高伟.刘修国.CHENQi-hao.GAOWei.LIUXiu-guo辅以纹理特征的高分辨率遥感影像分类-测绘科学2008,33(1)为了提高对高分辨率影像的分类精度,通过灰度差矢量法快速提取纹理特征,利用BP神经网络并辅以纹理特征,对一幅江西某地0.2m分辨率的航空影像进行分类.结果显示,对比度纹理特征能较好地反映该影像的纹理信息;对光谱特征不典型、纹理特征明显的人工树林,分类精度可达到90%以上;增加纹理特征后,影像分类的总精度也由55%提高到94%.表明这种结合纹理特征和BP神经网络的分类方法,能提高对高分辨率影像分类的精度.10.学位论文王翔基于BP神经网络的遥感影像模式识别方法研究2009“遥感”，从广义指一切无接触远距离探测，包括对电磁场、力场声波等的探测。我们通过研究地球上每一个物体都在不停地吸收、发射和反射信息和能量，其中有一种人类已经认识到的形式——电磁波，并发现不同物体由于内部运动方式不同而产生不同的电磁波。遥感就是根据这个原理来探测地表物体对电磁波的反射和其发射的电磁波，从而提取这些物体的信息，从而进行远距离识别物体。影像就是从遥远处获取的事物的照片。它以缩小的影像真实再现地表环境，使人类超越了自身感官的限制，以不同的空间尺度、感知方式快速、及时地监测地球环境的动态变化，成为获取地球资源与环境信息的重要手段。本文在总结目前国内外研究现状基础上，采用BP神经网络算法、结合小波变换与遥感专业软件PCI，对遥感影像进行了分类研究，主要内容如下：⑴回顾了国内外学者在遥感影像分类领域所作的一些研究工作，重点介绍BP神经网络用于遥感影像分类的基本原理和方法，及小波变换的原理。⑵对遥感影像原始数据进行校正，融合预处理，采用小波变换对数据进行压缩降噪处理。⑶BP神经网络近年来广泛地应用于遥感影像分类中。利用遥感图像处理软件PCI，采用LandSat7ETM+遥感影像数据中提取的特征地物4类，然后结合BP神经网络分类器对其进行遥感影像模式识别，并指出小波变换在提升BP神经网络遥感影像识别效果的作用。本文链接：：上海海事大学(wflshyxy)，授权号：63415e32-06eb-486c-b098-9e0900d6dc9a下载时间：2010年10月8日