基于改进的BP神经网络模型的遥感影像分类法

Classification of TM Imagery Based on the Improved BP Neural Network Algorithm

由于遥感图像上的光谱值是多种地物的混合光谱,存在着“同谱异物”和“同物异谱”现象,因此仅依靠象元光谱之间相似性进行分类的总体精度难以提高。而人工神经网络法(ANN,ArtificialNeuralNetwork)由于其非线性特征和较强的容错能力,为解决上述问题提供了可能。为此,利用优化的BP神经网络对TM图像进行了分类,并将结果与最大似然法及初始的BP神经网络进行了比较,其kappa系数分别为0.876,0.799,0.829。结果表明:改进后的BP神经网络具有较高的精度,可以用于TM图像的信息提取中。

Using the improved BP Neural Network （BPNN） classifies the RS images; and compares the.accuracy of the BPNN classification with the Maximum Likelihood Classification （MLC）. The kappa coefficient of the MLC is 0.79, while the BPNN is 0.829, and the improved BPNN is 0.876. It shows the improved BPNN classification is more precise than the MLC.