基于人工神经网络的遥感图像分类研究_吐热尼古丽.pdfVIP

第 25 卷第 1 期 长春师范学院学报( 自然科学版) 2006 年 2 月 Vol25 No1 Journal of Changchun Normal University( Natural Science) Feb2006 基于人工神经网络的遥感图像分类研究 吐热尼古丽, 张晓帆 ( 新疆大学资源与环境科学学院, 新疆乌鲁木齐 830046) [ 摘 要] 随着人工神经网络系统理论的发展, 神经网络技术日益成为遥感图像分类处理的有效 手段, 并有逐 步取代最大似然法的 趋势。本文重点讨论了 遥感图像分类处理 研究中应用效果显 著的 BP 神经 网络方法, 并在 MATLAB 平台下对基于 BP 神经网络的分类算 法进行了研 究, 最后将它 的分类 结果与 最大似 然法的分类结果进行 了精度比较分析。结果 表明基于 BP 神经网络的遥感图 像分类效果是较好 的, 是一种有效的图像分 类方法。 [ 关键词] BP 神经网络; 遥感图像; 分类; MATLAB [ 中图分类号] P28 [ 文献标识码] A [ 文章编号] 1008- 178X( 2006) 01- 0081- 04 1 人工神经网络的概念 人工神经网络 (Artificial Neural Net) 是近年来发展起来的十分热门的交叉学科, 它涉及生物、电子、计 算机、数学和物理等学科, 具有非常广泛的应用背景。人工神经网络是从模拟人脑神经系统的结构和功能出 发而构造的一种数学模型和物理系统, 它由很多简单的处理单元有机 地联结起来, 每个处理单元相当于人脑的一个神经细胞, 称其为人工 神经元。其工作方式与神经细胞的工作方式十分相似。如图 1 所示, 图中 x 1 , , x n 表示神经元的输入 ( 也是其它神经元的输出) , w1 , , w n 表示与其他神 经元的联 接系数, 称为权 ( weights) , i 为阈 图 人工神 经元结构模型 值, ui 为神经元的状态, yi 表示??经元的输出。每个神经元满足: 1 n N i = wjxj - i j= 1 ui = F ( N i ) yi = f ( ui ) 式中: N i 为权和输入的累加值, 称为净输入。通常 ui = N i * f ( ui ) 称为神经元功能函数, 该函数是一 、 个有上下限的单调上升函数[ 1 2] 。 由以上众多神经元互连而形成了神经网络的结构, 它决定着这个网络的能力。处于各单元之间的权起着 十分关键的作用。神经网络的学习就是针对样本, 根据某种规则 ( 称为学习算法) 修改权值, 直到权值大小 和分布满足要求, 使神经网络能够实现预期的功能。人工神经网络能够并行处理, 运算速度非常快, 具有很 强的联想、思维推理、判断和记忆的功能。正是由于人工神经网络具有与人脑相似的这些特点,