本文選題：BP神經(jīng)網(wǎng)絡(luò) + 影像分類　； 參考：《海洋通報(bào)》2016年05期

【摘要】：精準(zhǔn)高效的海島遙感影像分類是充分利用海島基礎(chǔ)資料的有效手段,也是全面掌握海島基本情況及變化情況、保障海島保護(hù)和開發(fā)利用有序進(jìn)行、實(shí)現(xiàn)全國海島動態(tài)監(jiān)管的重要技術(shù)措施。以2008年海南省東嶼島航空遙感影像為數(shù)據(jù)源,借助ENVI遙感圖像處理軟件選取訓(xùn)練樣本集,通過MATLAB仿真軟件構(gòu)建"3-8-5"的3層BP神經(jīng)網(wǎng)絡(luò)分類模型,實(shí)現(xiàn)對東嶼島遙感影像的分類。實(shí)驗(yàn)結(jié)果顯示,BP神經(jīng)網(wǎng)絡(luò)分類總精度為87.85%,Kappa系數(shù)為0.84,與最小距離法分類相比,分別提高5.53個(gè)百分點(diǎn)和0.07。實(shí)驗(yàn)證明BP神經(jīng)網(wǎng)絡(luò)分類方法是一種行之有效且精確度更高的分類方法。
[Abstract]:Accurate and efficient classification of island remote sensing images is an effective means to make full use of island basic data, and also to grasp the basic situation and changes of islands in an all-round way, so as to ensure the island protection, development and utilization in an orderly manner. The important technical measures to realize the national island dynamic supervision. Based on the aerial remote sensing image of Dongyu Island in Hainan Province in 2008, the training sample set was selected with the help of ENVI remote sensing image processing software, and the three-layer BP neural network classification model of "3-8-5" was constructed by MATLAB simulation software to realize the classification of remote sensing image of Dongyu Island. The experimental results show that the total accuracy of BP neural network is 87.85% and the Kappa coefficient is 0.84, which is 5.53% and 0.07% higher than that of the minimum distance method, respectively. Experiments show that BP neural network classification method is an effective and more accurate classification method.
【作者單位】： 上海海洋大學(xué);國家海洋信息中心;鎮(zhèn)江市氣象局;
【分類號】：TP751;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃恩興;;遙感影像分類結(jié)果的不確定性研究[J];中國農(nóng)學(xué)通報(bào);2010年05期

2 賈坤;李強(qiáng)子;田亦陳;吳炳方;;遙感影像分類方法研究進(jìn)展[J];光譜學(xué)與光譜分析;2011年10期

3 朱丹瑤;;遙感影像分類方法研究[J];黑龍江科技信息;2012年33期

4 孫立新,羅高平,張怡梅;遙感影像分類的歸類學(xué)習(xí)方法[J];測繪工程;1998年03期

5 李爽,丁圣彥,許叔明;遙感影像分類方法比較研究[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年02期

6 黃艷;張超;蘇偉;岳安志;;合理尺度紋理分析遙感影像分類方法研究[J];國土資源遙感;2008年04期

7 付博;謝振紅;鄧彩群;;改進(jìn)的角度余弦方法在濕地遙感影像分類中的應(yīng)用[J];吉林建筑工程學(xué)院學(xué)報(bào);2010年04期

8 楊慧;鄭思莉;唐赫;朱文謙;程戰(zhàn)員;;面向?qū)ο蟮奈錆h市街區(qū)公共遙感影像分類研究[J];軟件導(dǎo)刊;2014年01期

9 楊玉靜;馮建輝;;紋理特征提取及輔助遙感影像分類技術(shù)研究[J];海洋測繪;2008年04期

10 李小濤;潘世兵;宋小寧;;基于地質(zhì)統(tǒng)計(jì)學(xué)紋理特征的遙感影像分類方法研究[J];地理與地理信息科學(xué);2009年02期

相關(guān)會議論文 前10條

1 劉忠陽;陳懷亮;杜子璇;鄒春輝;;基于決策樹方法的Landsat7 ETM+遙感影像分類研究[A];農(nóng)業(yè)生態(tài)與衛(wèi)星遙感應(yīng)用技術(shù)學(xué)術(shù)交流會論文摘要集[C];2006年

2 王珊珊;季民;高潔;焦其松;;CBR方法在高分辨率遙感影像分類中的應(yīng)用[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

3 湯家法;;基于可拓分類器的遙感影像分類[A];第十七屆中國遙感大會摘要集[C];2010年

4 巫兆聰;;RBF網(wǎng)絡(luò)的粗糙表示與遙感影像分類應(yīng)用[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年

5 楊劍;蒲英霞;何一鳴;;基于Getis的遙感影像分類研究[A];中國地理學(xué)會百年慶典學(xué)術(shù)論文摘要集[C];2009年

6 趙泉華;宋偉東;鮑勇;;基于分形紋理的BP神經(jīng)網(wǎng)絡(luò)遙感影像分類[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

7 王梁;韓坤英;;分形理論在遙感影像分類中的應(yīng)用[A];第十二屆全國數(shù)學(xué)地質(zhì)與地學(xué)信息學(xué)術(shù)研討會論文集[C];2013年

8 汪東川;龔建華;張利輝;;基于時(shí)間序列軌跡分析的遙感影像分類結(jié)果聯(lián)合校正[A];第十七屆中國遙感大會摘要集[C];2010年

9 羅小波;劉明皓;;基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)遙感影像分類[A];2006年中國土地學(xué)會學(xué)術(shù)年會論文集[C];2006年

10 ;結(jié)合光譜、紋理與形狀特征的高空間分辨率遙感影像分類(英文)[A];中國測繪學(xué)會第九次全國會員代表大會暨學(xué)會成立50周年紀(jì)念大會論文集[C];2009年

相關(guān)博士學(xué)位論文 前9條

1 王巍;基于Agent的遙感影像分類方法及其應(yīng)用研究[D];中國地質(zhì)大學(xué)(北京);2016年

2 任廣波;基于半監(jiān)督學(xué)習(xí)的遙感影像分類技術(shù)研究[D];中國海洋大學(xué);2010年

3 譚琨;基于支持向量機(jī)的高光譜遙感影像分類研究[D];中國礦業(yè)大學(xué);2010年

4 巫兆聰;粗集理論在遙感影像分類中的應(yīng)用[D];武漢大學(xué);2004年

5 易俐娜;面向?qū)ο筮b感影像分類不確定性分析[D];武漢大學(xué);2011年

6 胥海威;基于改進(jìn)隨機(jī)聚類決策森林算法的遙感影像分類研究[D];中南大學(xué);2012年

7 徐盛;基于主題模型的高空間分辨率遙感影像分類研究[D];上海交通大學(xué);2012年

8 劉志剛;支撐向量機(jī)在光譜遙感影像分類中的若干問題研究[D];武漢大學(xué);2004年

9 丁勝;智能優(yōu)化算法在高光譜遙感影像分類中的應(yīng)用研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 吳聰;面向?qū)ο蟮母叻直媛蔬b感影像分類在衛(wèi)片執(zhí)法中的應(yīng)用研究[D];昆明理工大學(xué);2015年

2 周楊;面向?qū)ο蟮母叻直媛蔬b感影像分類技術(shù)研究[D];中國地質(zhì)大學(xué)(北京);2015年

3 李奇峰;結(jié)合多特征描述和SVM的遙感影像分類研究[D];鄭州大學(xué);2015年

4 宋曉陽;面向?qū)ο蟮倪b感分類系統(tǒng)研究[D];南京農(nóng)業(yè)大學(xué);2014年

5 張靜;西北旱區(qū)遙感影像分類方法研究[D];西北農(nóng)林科技大學(xué);2016年

6 劉安斐;基于數(shù)據(jù)融合的遙感影像分類[D];解放軍信息工程大學(xué);2006年

7 任亞芬;面向并行環(huán)境的遙感影像分類算法設(shè)計(jì)與實(shí)現(xiàn)[D];華中科技大學(xué);2011年

8 白秀蓮;基于決策樹方法的遙感影像分類研究[D];內(nèi)蒙古師范大學(xué);2012年

9 王松妍;基于云理論的遙感影像分類方法研究[D];遼寧工程技術(shù)大學(xué);2013年

10 陳小瑜;基于空間數(shù)據(jù)挖掘與知識發(fā)現(xiàn)的遙感影像分類研究[D];福建師范大學(xué);2007年

，

本文編號：1805586