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

• 作者: 周婷 夏萍 戚王月 胡宏祥
• 来源期刊: 安徽农业大学学报
• 学科: 工学
• 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
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 工程技术
• 页码范围: 737-744
• 页数: 8页
• 分类号: TP75
• 语种: 中文
• DOI: 10.13610/j.cnki.1672-352x.20191013.015

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡宏祥	安徽农业大学资源与环境学院	68	944	19.0	28.0
2	夏萍	安徽农业大学工学院	67	616	15.0	22.0
3	周婷	安徽农业大学工学院	25	63	5.0	6.0
4	戚王月	安徽农业大学工学院	4	3	1.0	1.0