基于BP神经网络的遥感影像分类研究
BP神经网络具有收敛速度快和自学习、自适应功能强的特点,能最大限度地利用样本集的先验知识,自动提取合理的模型.本文采用Landsat TM遥感图像作为数据源,以山西省定襄县为研究区,通过主成分分析方法来压缩输入数据,并结合NDVI和纹理特征来建立BP神经网络的土地利用分类模型,将分类结果与基于光谱单元信息的神经网络分类和基于纹理特征的神经网络分类结果进行定性和定量比较分析.结果表明:该方法总精度达到了80.50%,分别比基于光谱单元信息的神经网络分类和基于纹理特征的神经网络分类提高了18.89%和6.23%,能够有效地解决地物光谱混淆、分类精度不高等问题.
NDVI、纹理特征、神经网络、土地利用、PCA
37
TP75(遥感技术)
中央高校基本科研业务费QN2009040;陕西省自然科学基金项目2011JM5007
2013-01-04(万方平台首次上网日期,不代表论文的发表时间)
共4页
140-143