基于新型神經(jīng)網(wǎng)絡的高光譜遙感圖像分類方法研究.pdf

1、高光譜遙感圖像具有很高的光譜分辨率和地物鑒別能力，已廣泛應用于農(nóng)業(yè)、生態(tài)環(huán)境、國防等領(lǐng)域。由于高光譜圖像波段多、數(shù)據(jù)量大，傳統(tǒng)的遙感圖像分類方法不合適高光譜圖像分類。
　　本文在高光譜遙感圖像降維處理的基礎(chǔ)上，采用新型神經(jīng)網(wǎng)絡方法，對航空OMIS-I高光譜遙感影像進行詳細的分類實驗。首先，采用核主成分分析（Kernel Principal Component Analysis，KPCA）方法和遺傳算法（Genetic Algori

2、thm，GA）對高光譜遙感圖像進行降維處理；然后；采用傳統(tǒng)遙感圖像分類方法（ISODATA、SVM）、傳統(tǒng)神經(jīng)網(wǎng)絡（BP）、新型神經(jīng)網(wǎng)絡方法分別進行分類對比實驗；最后，采用混淆矩陣和制圖精度進行分類精度評價。論文的主要研究工作和成果包括：
　?。?）高光譜遙感圖像降維處理。論文主要采用核主成分分析（KPCA）和遺傳算法（GA）兩種方法進行了降維。KPCA方法盡管降維后的物理意義不明確，但是對于不符合高斯分布的數(shù)據(jù)，KPCA能獲得較

3、為理想的效果，因為 KPCA是一種非線性降維技術(shù)。遺傳算法降維屬于波段選擇的范疇，采用遺傳算法進行波段選擇時，盡管時間復雜度不是很低，但是能夠找到比較理想的特征波段用于后繼工作的分類。
　?。?）傳統(tǒng)遙感圖像分類方法與新型神經(jīng)網(wǎng)絡方法的對比。首先采用 SVM和ISODATA方法對 OMIS-I高光譜圖像進行分類，然后將分類結(jié)果與新型神經(jīng)網(wǎng)絡方法對比，結(jié)果表明新型神經(jīng)網(wǎng)絡方法比傳統(tǒng)遙感圖像分類方法效果要好。
　?。?）應用新型

4、神經(jīng)網(wǎng)絡方法對高光譜遙感圖像進行分類實驗。首先采用傳統(tǒng)的BP神經(jīng)網(wǎng)絡算法對高光譜遙感圖像進行了分類，分類結(jié)果顯示，普通的BP網(wǎng)絡分類結(jié)果并不理想。在此基礎(chǔ)上，引入了模糊網(wǎng)絡、小波網(wǎng)絡、極限學習機、Adaboost網(wǎng)絡、架構(gòu)網(wǎng)絡、基于遺傳算法的神經(jīng)網(wǎng)絡等網(wǎng)絡進行遙感圖像的分類，然后與普通的BP網(wǎng)絡進行對比。主要選擇了2個指標進行對比：一個是制圖精度，另一個是時間復雜度。實驗表明新型神經(jīng)網(wǎng)絡方法比傳統(tǒng)的神經(jīng)網(wǎng)咯方法分類精度要搞。在制圖精度上