一种基于证据理论与神经网络的遥感影像分类方法.pdfVIP

维普资讯 第18卷第2期 数 据 采 集 与 处 理 Vo1．18No．2 2003年 6月 JournalofDataAcquisition＆ Processing Jun．2003 文章编 号 ：1004—9037(2003)02—0170—05 一 种基于证据理论与神经网络的遥感影像分类方法 彭天强，李弼程 (信息工程大学信息工程学 院，郑州 ，450002) 摘要 ：把 影像的空间信 息融入 分类决策 ，提 出了一种基 于证据理论 与神经 网络的遥 感影像 分类 方法。对原 图像作 平滑 处理 ．得 到原 图像 的平 滑 图像 ；利 用神 经 网络 对原图像及 其平滑 图像 分 别进行训 练、分类 ；利 用证据理 论对 它们的分类结果 (决策)进行融合 ；最后 ，把融合结果 (决策)作为原 图像 的最终分类结果。实验结果与性能 比较表 明．新方法是有效的．提高 了影像 的分类精度 。 关键词 ：BP神经 网络 ；遥感影像分类 ；平滑图像 ；证据理论 ；信息融合 中图分类 号 ：TP391 文献标识码 ：A A RemoteSensing ImageClassification M ethod Based on EvidenceTheory andNeuralNetworks PENG Tian—qiang，LIBi—cheng (InformationEngineeringInstitute， InformationEngineeringUniversity，Zhengzhou，450002，China) Abstract：Neuralnetworksarewidelyusedinremotesensingimageclassification．Thespatial information oftheimageandevidencetheoryisappliedtoclassificationofremotesensingimage based on neuralnetworks．Itcan significantly increaseclassificationaccuracy．Firstly，the originalimage tobeclassified issmoothed to obtain a smoothed image．Secondly，artificial neuralnetworks (ANNs)areused to train and classify theoriginalimageand itssmoothed image，respectively．Thirdly，thetwoclassificationoutputsofANN arefusedwith evidence theory．Finally，thefusedresultisconsideredastheclassificationresultoftheoriginalimage． Experimentalresultsshow thatthenew methodisveryefficient，andtheclassificationaccuracy isgreatlyimprovedcomparedwith theclassicANN method． Key words：BP neuralnetworks；classification ofremotesensing image；smoothed image； evidencetheory：informationfusion