基于神经网络的高光谱遥感图像分类研究(可复制论文).pdf

摘要由于神经网络具有以上的优点,研究基于神经网络的商光谱遥感图像分向传播窬纭断蚧神经网络的结构、训练算法进行研究,并结合其它的理论知识,寻找有效的高光谱遥感图像分类方法。论文主要完谖蟛钐荻认陆档谋曜糂惴ǘ源蠖嗍氖导视τ枚远继耍针对这些不足,人们已经提出了许多改进标准算法的方案。论文介绍了几种改进算法的基本原理,并将它们用到实际高光谱遥感图像分类中,对各瓸绯跏既ㄖ档难∪∪狈砺坌缘闹傅迹晌狟窬缬τ玫囊个弊端,而初始权值选取不当会使神经网络的性能受到严重的影响。为此,论文萃《用神经网络和决策融合理论相结合的,办法来提离高光谱遥感图像赗神经网络结构中,影响分类精度的主要参数为:隐层节点个数、哈尔滨工程大学硕士学位论文光谱分辨率的提高是光学遥感不断发展的趋势。高光谱分辨率虺莆8光谱8屑际跏枪ザ曛腥死嘣诙缘毓鄄夥矫嫠〉玫闹卮蠹际跬黄之一,是当前遥感的前沿技术。由于高光谱所特有的高光谱分辨率的性质,其潜在的可应用性受到人们的广泛关注。高光谱图像分类的研究是高光谱遥感应用的主要内容之一。人工神经网络模型是近年来发展起来的综合数据分类方法之一。神经网络高光谱模式分类方法有以下优点:不要求同类地物在特征空⑷認满足正态分布,无需对原始类别傲概率分布假设,不存在求解概率分布参数的问题,是一种无参分类器;可以将多种数据,如纹理信息、地形信息和光谱信息等方便而有效地融合到分类中来。类方法是十分有必要的。本论文的目的就是对常见的神经网络如蟛罘成以下工作;种算法的性能作了归纳和对比。的分类精度。径向基函数的宽度及中心位置、隐层到输出层之间的权值以及输出层节点的阈值。这五个参数如果选取不当,将会使分类效果受到严重影响。论文将神经网络用于高光谱遥感图像分类中,针对高光谱遥感图像特点,结合具体
知识水坝***@pologoogle为您整理
诮懈吖馄滓8型枷穹掷啻硎保;嵊龅健巴镆炱住钡那榭觥分解的神经网络分类方法由三部分组成,即目标分解、神经网络分类和“亚的“亚类地物”,使得分解后的每一种“亚类地物”自身的光谱特征是一致的,其分布呈现单峰绿植肌H缓蟀逊纸夂蟮募钢帧把抢嗟匚铩钡背刹煌牡物类别送入神经网络去训练。最后在网络输出时加上一个逻辑运算,使得“亚类地物”重新归并到原来的类别中去,以此来改善高光谱图像的分类效果。大量的混合像元。如何有效地解译混合像元是高光谱遥感应用的关键问题之一。论文采用一种方差纯化样本的方法来提取“端元”,并用缍哉关键词:高光谱图像分类;神经网络;窬纾痪霾呷诤希夯旌哈尔滨工程大学硕士学位论文影像实例,提出了一种设计以上矗个参数的新方法。论文将基于目标分解的神经网络用到高光谱遥感图像的分类中来。基于目标类”归并。它对于具有“同物异谱”特性的地物,首先把它分解为几种不同8型枷裰校捎诖ǜ衅鞯目占浞直媛室约暗孛娴母丛佣嘌远幅遥感图像进行混合像元分解。像元
知识水坝***@pologoogle为您整理
甌甌瓾鷖曲琑瑃哈尔滨工程大学硕士学位论文,詔,,瑃,.:瑃,
.,騛瑃簍,瑃...瓼】.甌
哈尔滨工程大学硕士学位论文;:;籖籨
哈尔滨工程大学学位论文原创性声明作者┳:互殛生酢期:炒辏耲本人郑重声明:本论文的所有工作,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献的引用己在文中指出,并与参考文献相对应。除文中已注明引用的内容外,本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体,均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。
囚第滦髀高光谱遥感的基本概念取得的重大技术突破之一,是当前遥感的前沿技术。由于高光谱所特有的高光谱分辨率的性质,其潜在的可应用性受到人们的广泛关注。高光谱图像的其分类技术的发展现状进行了综述,并阐述了课题的目的和意义,介绍了本自然界中不同类型的地物由于化学组分、物质结构的差异,具有反射或辐射不同波长电磁波的特性,这也正是遥感技术应用于对地观察及目标探测的基础。遥感就是通过非直接接触、从远处探测、感知物体的技术,即从接收到的电磁波的光谱、空间等信息反推出地表覆盖物的特性【有几何上的,如土壤的粗糙度、高度标准差、各种植被的长势等,~般来说是随机过程的统计量。地物的特性还有物理及光学上的,如光谱的反射特征、热辐射特征等。人们币是利用这些空间和光谱特性来分析和处理遥感信息的。船簿遥感技术的发展,主要体现为遥感信息在波谱特性、空间特性与时问特性的发展上。而近年来,光谱分辨率的提高是光学遥感不断发展的趋势。高光谱分辨率虺莆8吖馄遥感技术是过去二十年中人类在对地观测方面所分类研究是高光谱遥感应用的主要内容之一。本章重点对当前高光谱遥感及课题的研究内容。5匚锏奶匦成像光谱的概念如图所示。”!隕神”哈尔滨谭蜓妒б