基于松弛因子的快速独立分量分析算法的遥感图像分类技术

• 作者: 夏德深 曾生根 王小敏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 独立分量分析 FastICA LM-FastICA 遥感图像分类 BP神经网络
• 年，卷（期）: 2005,（7）
• 所属期刊栏目: 学术探讨
• 页码范围: 84-86
• 页数: 3页
• 分类号: TP75
• 字数: 2397字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2005.07.031

摘要

多光谱遥感图像反映了不同地物的光谱特征,其分类是遥感应用的基础.独立分量分析算法利用了信号的高阶统计信息,对于多光谱遥感图像而言,算法去除了波段图像之间的相关性,获得的波段图像是相互独立的.但是独立分量分析算法有一个缺点,即计算量太大,影响了在多光谱遥感图像分类上的应用.M-FastICA算法同FastICA算法一样,它们的收敛依赖于初始权值的选择.通过在M-FastlCA算法中引入松弛因子,使算法可以实现大范围收敛,得到更稳定的收敛效果.应用BP神经网络对独立分量分析算法预处理后的图像进行自动分类,其分类精度较原始遥感图像的精度均高,并且三种独立分量分析算法的分类性能也相当.