【摘要】：設(shè)置自然保護(hù)區(qū)的目地是為了保護(hù)獨(dú)具特色的自然生態(tài)體系以及保護(hù)珍稀瀕危野生動植物。具備相應(yīng)的生態(tài)價值及科研意義,按照保護(hù)等級的差異,通常會設(shè)立核心區(qū)、實(shí)驗(yàn)區(qū)以及緩沖區(qū)三種不同分區(qū)。目前在自然保護(hù)區(qū)建設(shè)過程中對其地物分類予以研究是其建設(shè)工作的根本。自然保護(hù)區(qū)面積大、地形多樣、地物類別眾多,因而一般都會通過遙感方法監(jiān)測其地物變化狀況。伴隨衛(wèi)星傳感器技術(shù)逐漸成熟,遙感技術(shù)水平也逐漸提升,遙感影像分辨率已經(jīng)超過亞米級別。怎樣把具備一定分辨率的遙感影像里充實(shí)的紋理和光譜信息使用至各個行業(yè)里,已然變成遙感應(yīng)用領(lǐng)域中非常重要的問題。遙感目視解譯方式存在一定缺陷,即耗費(fèi)時間過長、工作量巨大,同時還存在主觀性過強(qiáng)的問題。伴隨人工智能相關(guān)技術(shù)的逐漸成熟,以人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的分類機(jī)制逐漸開始應(yīng)用于遙感分類工作之中。和人工目視解譯的方式比較,更為客觀、精確。為研究神經(jīng)網(wǎng)絡(luò)算法在遙感影像地物類中的應(yīng)用,本文以友好國家級自然保護(hù)區(qū)高分一號原始影像數(shù)據(jù)為基礎(chǔ),在專業(yè)遙感信息處理平臺ENVI上完成影像地物分類工作。首先對研究區(qū)域內(nèi)的原始影像數(shù)據(jù)進(jìn)行預(yù)處理,涵蓋正射校正、輻射定標(biāo)、數(shù)據(jù)融合、大氣校正和圖像裁剪等。然后對影像進(jìn)行最優(yōu)波段組合,提取影像光譜特征與灰度相關(guān)這一紋理特征作為后續(xù)分類的依據(jù)。神經(jīng)網(wǎng)絡(luò)算法屬于一類以仿生學(xué)為基礎(chǔ)模擬人類大腦運(yùn)作的數(shù)學(xué)模型,具有較強(qiáng)的學(xué)習(xí)能力與分析能力,可以獲取并分析影像里體現(xiàn)不同地物類別的光譜與紋理特征的差別,繼而把遙感影像自動的劃分為各種地物種類,可以大幅提高地物分類效率和精確度。接下來選取訓(xùn)練樣本,搭建神經(jīng)網(wǎng)絡(luò)模型,訓(xùn)練神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),完成友好國家級自然保護(hù)區(qū)兩期影像地物分類工作。最后通過誤差矩陣對分類結(jié)論予以精度評定,同時探究各類功能區(qū)中各種地物的分布情況。通過實(shí)驗(yàn)發(fā)現(xiàn)獲取到的2014年影像分類精度是94.1%,Kappa系數(shù)是0.901;2017年影像分類精度是94.25%,Kappa系數(shù)是0.916。研究證明神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于遙感影像地物分類時,分類精確度較高,達(dá)到地物分類應(yīng)用的要求。
【學(xué)位授予單位】：東北農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP183;TP751
【圖文】：

圖 3-2 Log-Sigmoid 函數(shù)曲線 圖 3-3 Tan-Sigmoid 函數(shù)曲線Fig.3-2 Log-Sigmoid function curve Fig.3-3 Tan-Sigmoid function curve從上圖可以看出，Sigmoid 函數(shù)是光滑可微函數(shù)。它將輸入從負(fù)無窮大到正無窮圍映射到（-1,1）或（0,1）的區(qū)間內(nèi)，并將輸出值限制為較小的范圍。Sigmoid 函數(shù)特性使得它可以通過梯度下降法調(diào)整每層的權(quán)重。神經(jīng)網(wǎng)絡(luò)各層節(jié)點(diǎn)數(shù)由實(shí)際問題的需要而決定。在本文中，輸入層節(jié)點(diǎn)的數(shù)量由的特征數(shù)量確定，并且輸出層節(jié)點(diǎn)的數(shù)量由分類類別的數(shù)量確定。隱藏層中的節(jié)點(diǎn)數(shù)預(yù)先設(shè)置的允許誤差確定，該誤差是在重復(fù)實(shí)驗(yàn)后計(jì)算的。以下章節(jié)詳細(xì)介紹了本文的確定。神經(jīng)網(wǎng)絡(luò)分類過程主要分為兩部分。第一部分是樣本學(xué)習(xí)和訓(xùn)練的過程，其中網(wǎng)學(xué)習(xí)建立分類規(guī)則。第二部分是模式識別和分類的過程。通過在第一部分中獲得的分對遙感圖像進(jìn)行分類和識別。最重要的分類過程是學(xué)習(xí)過程的第一部分。BP 神經(jīng)網(wǎng)絡(luò)使用反向傳播算法來學(xué)BP 網(wǎng)絡(luò)中，數(shù)據(jù)從輸入層到隱藏層一層一層地向后傳播。當(dāng)訓(xùn)練網(wǎng)絡(luò)權(quán)重時，網(wǎng)絡(luò)的重沿著減少誤差的方向從輸出層到中間層逐層前向校正。通過連續(xù)學(xué)習(xí)，最終誤差變越小，直到預(yù)設(shè)訓(xùn)練次數(shù)或輸出誤差滿足最小誤差，訓(xùn)練結(jié)束。3.2.2 BP 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程

圖 3-2 Log-Sigmoid 函數(shù)曲線 圖 3-3 Tan-Sigmoid 函數(shù)曲線Fig.3-2 Log-Sigmoid function curve Fig.3-3 Tan-Sigmoid function curve從上圖可以看出，Sigmoid 函數(shù)是光滑可微函數(shù)。它將輸入從負(fù)無窮大到正無窮圍映射到（-1,1）或（0,1）的區(qū)間內(nèi)，并將輸出值限制為較小的范圍。Sigmoid 函數(shù)特性使得它可以通過梯度下降法調(diào)整每層的權(quán)重。神經(jīng)網(wǎng)絡(luò)各層節(jié)點(diǎn)數(shù)由實(shí)際問題的需要而決定。在本文中，輸入層節(jié)點(diǎn)的數(shù)量由的特征數(shù)量確定，并且輸出層節(jié)點(diǎn)的數(shù)量由分類類別的數(shù)量確定。隱藏層中的節(jié)點(diǎn)數(shù)預(yù)先設(shè)置的允許誤差確定，該誤差是在重復(fù)實(shí)驗(yàn)后計(jì)算的。以下章節(jié)詳細(xì)介紹了本文的確定。神經(jīng)網(wǎng)絡(luò)分類過程主要分為兩部分。第一部分是樣本學(xué)習(xí)和訓(xùn)練的過程，其中網(wǎng)學(xué)習(xí)建立分類規(guī)則。第二部分是模式識別和分類的過程。通過在第一部分中獲得的分對遙感圖像進(jìn)行分類和識別。最重要的分類過程是學(xué)習(xí)過程的第一部分。BP 神經(jīng)網(wǎng)絡(luò)使用反向傳播算法來學(xué)BP 網(wǎng)絡(luò)中，數(shù)據(jù)從輸入層到隱藏層一層一層地向后傳播。當(dāng)訓(xùn)練網(wǎng)絡(luò)權(quán)重時，網(wǎng)絡(luò)的重沿著減少誤差的方向從輸出層到中間層逐層前向校正。通過連續(xù)學(xué)習(xí)，最終誤差變越小，直到預(yù)設(shè)訓(xùn)練次數(shù)或輸出誤差滿足最小誤差，訓(xùn)練結(jié)束。3.2.2 BP 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程

研究區(qū)內(nèi)原始影像的預(yù)處理區(qū)內(nèi)原始影像的預(yù)處理區(qū)概況了友好國家級自然保護(hù)區(qū)作為研究目標(biāo)，其位于小興安嶺山脈中部，南坡與北坡，屬于黑龍江省伊春市管轄。伊春市被贊譽(yù)為紅松故鄉(xiāng)、系統(tǒng)種類是內(nèi)流濕地以及水域生態(tài)系統(tǒng)，該區(qū)域面積為 60687hm2，具體128°10 15 128°33 25 ，北緯 48°13 07 48°33 15 ，參照圖 4-1。區(qū)域資源和生境以及森林沼澤生態(tài)體系作為根本，其主要功能是資源保障游。保護(hù)區(qū)的保護(hù)目標(biāo)是東北林區(qū)森林沼澤生態(tài)系統(tǒng)以及珍稀野生動保護(hù)區(qū)內(nèi)地勢平緩，河谷平坦廣闊，河區(qū)發(fā)達(dá)，存在大范圍的森林、

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李維斌;;神經(jīng)網(wǎng)絡(luò)算法在水泥生產(chǎn)線中的優(yōu)化分析[J];四川水泥;2018年08期

2 劉念;王楓;;深度神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用[J];科技資訊;2017年27期

3 袁冬;林勇;;采用GA-BP神經(jīng)網(wǎng)絡(luò)算法改善壓力傳感器的穩(wěn)定性[J];化工自動化及儀表;2015年11期

4 謝清秀;;計(jì)算機(jī)網(wǎng)絡(luò)連接增強(qiáng)優(yōu)化中的均場神經(jīng)網(wǎng)絡(luò)算法[J];數(shù)碼世界;2017年02期

5 許炎駿;陳端端;;人工智能藝術(shù)領(lǐng)域階段性應(yīng)用調(diào)研報告[J];藝術(shù)學(xué)界;2017年01期

6 劉愛江;黃長慧;胡光俊;;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)算法的木馬控制域名檢測方法[J];電信科學(xué);2014年07期

7 高堅(jiān);計(jì)算機(jī)網(wǎng)絡(luò)連接增強(qiáng)優(yōu)化中的均場神經(jīng)網(wǎng)絡(luò)算法[J];計(jì)算機(jī)工程;2003年09期

8 李雪景;呂雁嵐;;基于神經(jīng)網(wǎng)絡(luò)算法的碼頭新型分縫結(jié)構(gòu)優(yōu)化研究[J];中國水運(yùn)(下半月);2019年08期

9 汪永元;;基于BP神經(jīng)網(wǎng)絡(luò)算法的超高電梯投資分析[J];鐵道勘測與設(shè)計(jì);2017年02期

10 趙健;陶元芳;王愛紅;許增杰;;BP神經(jīng)網(wǎng)絡(luò)算法用于專業(yè)機(jī)械快速設(shè)計(jì)[J];機(jī)械設(shè)計(jì)與制造;2019年07期

相關(guān)會議論文 前10條

1 邱永紅;潘亞漢;;基于神經(jīng)網(wǎng)絡(luò)算法的自適應(yīng)數(shù)字波束形成技術(shù)[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];1999年

2 陳玉敏;萬幼川;;結(jié)合矢量的神經(jīng)網(wǎng)絡(luò)算法用于遙感影像分類研究[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 鄂雪妮;;移動網(wǎng)絡(luò)質(zhì)量客戶投訴預(yù)警方法研究[A];2017全國無線及移動通信學(xué)術(shù)大會論文集[C];2017年

4 蔡冰清;徐思雅;亓峰;葛維春;周桂平;于波濤;;基于SA-BP神經(jīng)網(wǎng)絡(luò)算法的光接入網(wǎng)絡(luò)通道質(zhì)量評估方法[A];2017電力行業(yè)信息化年會論文集[C];2017年

5 熱合木江;艾尼瓦爾·吐爾地;尼加提·吐爾遜;古麗·吐爾遜;胡得來提;;一種遺傳神經(jīng)網(wǎng)絡(luò)算法及其在石油資源預(yù)測中的應(yīng)用[A];全國第十五屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

6 耿兆豐;吳永敢;;基于神經(jīng)網(wǎng)絡(luò)算法的路經(jīng)規(guī)劃[A];1992年中國控制與決策學(xué)術(shù)年會論文集[C];1992年

7 嚴(yán)雋薇;朱柳明;蕭蘊(yùn)詩;;高階關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)算法研究[A];1996年中國智能自動化學(xué)術(shù)會議論文集（上冊）[C];1996年

8 李勇剛;桂衛(wèi)華;陽春華;蔡自興;;基于神經(jīng)網(wǎng)絡(luò)算法的鋅電解過程分時供電優(yōu)化調(diào)度系統(tǒng)的研究[A];第二十屆中國控制會議論文集（下）[C];2001年

9 朱喜林;孫海濱;;機(jī)械加工參數(shù)的模糊神經(jīng)網(wǎng)絡(luò)算法[A];面向制造業(yè)的自動化與信息化技術(shù)創(chuàng)新設(shè)計(jì)的基礎(chǔ)技術(shù)——2001年中國機(jī)械工程學(xué)會年會暨第九屆全國特種加工學(xué)術(shù)年會論文集[C];2001年

10 渠展展;王偉;劉峗甲;劉家亮;;改進(jìn)粒子群-神經(jīng)網(wǎng)絡(luò)算法在中長期電力負(fù)荷預(yù)測中的應(yīng)用[A];2017智能電網(wǎng)信息化建設(shè)研討會論文集[C];2017年

相關(guān)重要報紙文章 前4條

1 科大訊飛股份有限公司市場部總經(jīng)理 任萍萍;人工智能將在三大領(lǐng)域替代人類[N];經(jīng)濟(jì)參考報;2016年

2 黃魚 遙歌 曉中 叢文 蘇曉;細(xì)數(shù)人工智能的“新身份”[N];人民郵電;2017年

3 王浩;為藥店追趕人工智能潮獻(xiàn)策[N];醫(yī)藥經(jīng)濟(jì)報;2017年

4 郝卡倫;如何用神經(jīng)網(wǎng)絡(luò)算法開發(fā)人工智能軟件[N];人民郵電;2019年

相關(guān)博士學(xué)位論文 前9條

1 曾U喺

本文編號：2743145