基于改进BP神经网络的多分辨率遥感图像分类及对比分析

摘要：

在遥感图像分类的研究中,传统的分类方法对“同物异谱”、“异物同谱”现象识别能力较差.此外,常用的BP神经网络分类存在时间长、易陷入局部极小等不足.将BP网络中的激励函数添加偏置参数、学习率进行自适应调整,并与最大似然、BP神经网络分类比较,结果表明改进的BP神经网络分类精度为89.69％,比最大似然提高了15.35％,比BP神经网络提高了23.81％.另一方面,基于改进的BP神经网络分类,对分辨率为16m的高分一号卫星(GF-1)图像和分辨率为5.8 m的资源三号卫星(ZY-3)图像进行分类比较,并以ZY-3分类图作为检验图像,GF-1图像的分类精度达到了88.02％,各类地物的用户精度和制图精度在70％～99％之间,说明成本较低、宽幅较广的GF-1图像在地物信息获取方面可基本实现ZY-3卫星图像效果,为遥感图像地物信息提取提供了一定的参考.

关键词：BP神经网络、遥感图像分类、高分卫星、资源卫星、多分辨率遥感

所属期刊栏目：46

分类号：TP75(遥感技术)

资助基金：安徽省高校优秀青年人才支持计划重点项目gxyqZD2017019;安徽省国际科技合作计划项目1604b0602029;安徽省自然科学基金1808085ME158;安徽省高等学校自然科学研究项目KJ2017A134

在线出版日期：2019-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：737-744