论文部分内容阅读
遥感图像的计算机分类是遥感应用的一个重要组成部分。其实质是通过计算机对遥感图像像元进行数值处理,达到自动识别地物的目的。遥感图像分类主要有两类分类方法:一种是非监督分类方法,另一种是监督分类方法。非监督分类方法是一个聚类过程,而监督分类则是一个学习和训练的过程,需要一定的先验知识。目前,遥感分类是湿地资源调查和监测不可缺少的内容,分类的精度直接影响遥感数据的应用水平和实用价值。如何解决图像的识别并满足一定的精度,是遥感图像研究中的一个关键问题,具有十分重要的意义。近年来,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数字图像分类处理的有效手段。人工神经网络系统是由大量处理单元(神经元)相互连接的网络结构,是人脑的某种抽象、概括和模拟。目前,神经网络在遥感图像分类处理应用中已经有了较多的模型,其中基于多层感知器(Multi-LayerPerceptron, MLP)的遥感影像分类模型中的反向传播(Back Propagation,BP)学习算法是 MLP 模型中被最广泛使用的。本研究在对国内外湿地遥感分类研究进展分析的基础上,应用 ETM+遥感数据和辅助数据,用 BP 神经网络方法对东营市部分湿地遥感分类进行了研究,并与最大似然法的分类结果进行精度比较分析。采用误差矩阵对分类精度进行评价,发现各类湿地的用户精度、生产者精度以及总精度、Kappa 系数等指标,BP 神经网络法比最大似然法都有不同程度的提高:BP 神经网络分类的总精度为 82.128%,Kappa 系数为 0.772,分别比最大似然法提高了 12%和 15%,表明 BP 神经网络分类法是一种有效的分类技术,能够提高遥感图像分类精度。