基于BP神经网络的高光谱遥感数据分类研究—毕业论文.docx

河南农业大学
本科生毕业论文(设计)
题目基于BP神经网络的高光谱遥感数据分类研究
学院信息与管理科学学院
专业计算机科学与技术
学生姓名
指导教师
撰写日期: 二○一三年四月十二日
目录
摘要: 1
1 引言 2
2 高光谱遥感 3
高光谱遥感的介绍 3
高光谱遥感国外发展 3
高光谱遥感国内发展 3
高光谱遥感数据的特征 5
高光谱遥感数据的常用处理方法 5
3 人工神经网络 5
人工神经网络的概念 5
人工神经网络的特点 5
人工神经元的模型 6
人工神经网络模型 7
BP网络 9
BP网络概念 9
BP 算法的原理 9
BP 算法的执行步骤 10
BP神经网络的局限性 12
4 BP神经网络在小麦白粉病高光谱遥感数据分类研究 13
试验设计 13
光谱数据采集 13
数据预处理 13
BP网络模型建立及实现过程 15
BP网络的分析流程 15
BP网络层数的确定及各层神经元数目的确定 16
BP网络参数的选择 16
读入数据、划分数据及归一化处理 17
BP网络的模型建立、训练及预测 17
实验总结 19
5 结论与讨论 19
参考文献: 20
致谢 21
附件: 22
基于BP神经网络的高光谱遥感数据分类研究
朱青
信息与管理科学学院计算机科学与技术专业
摘要: 本文探讨了多层误差反向传播(BP)神经网络分类算法应用于高光谱遥感数据的分类研究。首先介绍了高光谱遥感,高光谱遥感国内外发展现状,高光谱遥感数据的特点,以及高光谱遥感数据常用的处理方法。简要介绍了神经元的模型,神经网络模型,BP神经网络的算法以及执行过程,BP网络自身的局限性。将BP神经网络与高光谱遥感结合,用采集到的白粉病小麦冠层高光谱数据进行实验。利用ASD手持式高光谱仪测定了患有白粉病的小麦冠层光谱反射率,并对采集到的高光谱数据用特征选择的方法,选出20个特征波长对应的反射率作为神经网络的输入,病情指数0、1、2、3、4作为神经网络的输出。借助Matlab神经网络模块,选用经典三层的BP神经网络,将150组光谱数据随机划分120组训练数据和30组测试数据,经过训练,%。这表明BP神经网络对高光谱遥感数据进行识别分类,是一种很好的应用。
关键词:高光谱遥感; 人工神经网络; BP神经网络
Hyperspectral remote sensing data classification based on BP work
Abstract: This paper discusses the multi-layer back propagation (BP) work classification algorithm is applied to the classification of hyperspectral remote sensing data. First introduced hyperspectral remote sensing, hyperspectral remote sensing domestic and foreign development status, the characteristics of hyperspectral remote sensing data and monly used approach of hyperspectral remote sensing. Briefly introduced the model of the neuron, work model, BP work algorithm and implementation process, work bined with hyperspectral remote sensing, experiment with powdery mildew of wheat canopy hyperspectral data. ASD handheld spectrometer measured canopy spectral reflectance with powdery mildew. And hyperspectral data collected with a feature selection method selected 20 characteristic wav