本文關(guān)鍵詞： 高分辨率遙感影像 分類 模糊神經(jīng)網(wǎng)絡(luò) 高斯隸屬函數(shù) 監(jiān)督學(xué)習(xí) 直方圖擬合　出處：《中國(guó)圖象圖形學(xué)報(bào)》2017年08期 　論文類型：期刊論文

【摘要】：目的針對(duì)高分辨率帶來(lái)的像素類屬不確定性增大及各類屬間相關(guān)性增強(qiáng)引起的影像分類問(wèn)題,提出一種模糊神經(jīng)網(wǎng)絡(luò)高分辨遙感影像監(jiān)督分類方法。方法提出的模型為包含輸入層,隱含層(隸屬函數(shù)層)及輸出層的三層前向模糊神經(jīng)網(wǎng)絡(luò),輸入層用于接收來(lái)自訓(xùn)練樣本的灰度值;隱含層每個(gè)神經(jīng)元節(jié)點(diǎn)的模糊隸屬函數(shù)為對(duì)各類別定義的高斯隸屬函數(shù)模型,以實(shí)現(xiàn)對(duì)輸入變量隸屬程度的不確定表達(dá);輸出層的輸入變量為隱含層各神經(jīng)元節(jié)點(diǎn)輸出變量的線性組合,激活函數(shù)為分段線性函數(shù),該層實(shí)現(xiàn)輸入變量隸屬程度的相關(guān)性表達(dá)。以訓(xùn)練數(shù)據(jù)直方圖作為期望輸出,梯度下降法求解模型參數(shù),最后按最大隸屬度準(zhǔn)則實(shí)現(xiàn)分類決策。結(jié)果利用本文算法和經(jīng)典算法對(duì)合成影像進(jìn)行實(shí)驗(yàn),本文方法總體精度達(dá)到0.931,相對(duì)于高斯隸屬函數(shù)方法總體精度提高了5.3%,相對(duì)于最大似然法提高了4.2%,相對(duì)于FCM方法提高了5.9%,對(duì)真實(shí)World View-2全色影像的實(shí)驗(yàn)中文中方法分割精度也高于傳統(tǒng)方法。結(jié)論提出的模糊神經(jīng)網(wǎng)絡(luò)模型可以更加精確的擬合高分辨率遙感影像復(fù)雜的分布特征,有效處理高分辨率遙感影像的上述分類問(wèn)題。
[Abstract]:Objective to bring high resolution pixels is increased uncertainty and various species classification problem caused by the correlation enhanced image, proposed a fuzzy neural network for high resolution remote sensing image classification method. The proposed model for the method includes input layer, hidden layer (membership layer) and output layer three layer feedforward neural fuzzy the network input layer, for receiving the training samples from the gray value; implicit fuzzy membership function of each layer neuron node membership function model of each category is defined as Gauss, in order to achieve the input variable membership degree of uncertainty expression; input variables of the output layer as a linear combination of the hidden layer neurons of output variables, activation function as a piecewise linear function, the correlation between the expression of layer input variables. The membership degree of the training data as the desired output histogram, gradient descent method is used to solve the model Type parameters, and finally achieve the classification decision according to the maximum membership criterion. The results using this algorithm and the classical algorithm experiments on synthetic images, the overall accuracy reached 0.931, compared to the Gauss membership function method improves the overall accuracy by 5.3%, compared with the maximum likelihood method is increased by 4.2%, compared with the FCM method to improve the method of experiment 5.9%, the real Chinese World View-2 panchromatic image segmentation accuracy is higher than that of the traditional method. The fuzzy neural network model proposed can conclusion distribution more accurately fitting the complex high resolution remote sensing images, the classification of the effective processing of high resolution remote sensing image.

【作者單位】： 遼寧工程技術(shù)大學(xué)礦業(yè)技術(shù)學(xué)院;遼寧工程技術(shù)大學(xué)測(cè)繪與地理科學(xué)學(xué)院;遼寧工程技術(shù)大學(xué)電氣與控制工程學(xué)院;
【基金】：遼寧省教育廳一般項(xiàng)目(LJYL036,LJYL012) 教育部高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金項(xiàng)目(20122121110007)
【分類號(hào)】：TP183;TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 瞿繼雙;瞿松柏;王自杰;;基于特征的模糊神經(jīng)網(wǎng)絡(luò)遙感圖像目標(biāo)分類識(shí)別[J];遙感學(xué)報(bào);2009年01期

2 謝士杰;模糊神經(jīng)網(wǎng)絡(luò)在影像處理領(lǐng)域中的應(yīng)用[J];武測(cè)科技;1996年01期

3 蔣文勝;;基于模糊神經(jīng)網(wǎng)絡(luò)的大型制冷控制系統(tǒng)的設(shè)計(jì)[J];低溫與超導(dǎo);2014年04期

4 葉海旺;基于模糊神經(jīng)網(wǎng)絡(luò)的炸藥與巖石匹配優(yōu)化系統(tǒng)研究[J];爆破器材;2005年03期

5 孔凡國(guó);基于模糊神經(jīng)網(wǎng)絡(luò)的多方案優(yōu)選方法的研究[J];五邑大學(xué)學(xué)報(bào)(自然科學(xué)版);1999年02期

6 劉國(guó)光,程青蟾;聲發(fā)射輔以模糊神經(jīng)網(wǎng)絡(luò)的質(zhì)量檢測(cè)[J];應(yīng)用聲學(xué);2004年04期

7 熱合木江，馬玉書(shū);模糊神經(jīng)網(wǎng)絡(luò)在地質(zhì)數(shù)據(jù)分析中的應(yīng)用[J];石油大學(xué)學(xué)報(bào)(自然科學(xué)版);1996年06期

8 王益群,高英杰 ,孔祥東;基于模糊神經(jīng)網(wǎng)絡(luò)的液壓系統(tǒng)故障診斷方法[J];液壓氣動(dòng)與密封;2001年05期

9 石紅雁,許純新,瞿愛(ài)琴;液壓系統(tǒng)故障診斷的高階統(tǒng)計(jì)量-模糊神經(jīng)網(wǎng)絡(luò)法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2003年05期

10 關(guān)達(dá)可;朱棟華;;基于模糊神經(jīng)網(wǎng)絡(luò)的冷凍水泵變頻調(diào)速研究[J];科技廣場(chǎng);2010年01期

相關(guān)會(huì)議論文 前2條

1 張敬芬;趙德有;孟光;;利用噪聲和振動(dòng)信息的模糊神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合故障診斷方法研究[A];第十屆船舶水下噪聲學(xué)術(shù)討論會(huì)論文集[C];2005年

2 張曉燕;林維正;蘇勇;袁益鏞;洪有根;;利用模糊神經(jīng)網(wǎng)絡(luò)處理超聲信號(hào)來(lái)識(shí)別墻體材料的種類[A];第六屆全國(guó)建筑工程無(wú)損檢測(cè)技術(shù)學(xué)術(shù)會(huì)議論文集[C];1999年

相關(guān)博士學(xué)位論文 前1條

1 張敬芬;基于振動(dòng)的設(shè)備故障和結(jié)構(gòu)裂紋智能診斷研究[D];大連理工大學(xué);2003年

相關(guān)碩士學(xué)位論文 前1條

1 胡滔;基于模糊神經(jīng)網(wǎng)絡(luò)梁結(jié)構(gòu)主動(dòng)振動(dòng)控制算法研究[D];華中科技大學(xué);2014年

，

本文編號(hào)：1550440