基于改进型BP神经网络的遥感影像分类研究的开题报告.docx

基于改进型BP神经网络的遥感影像分类研究的开题报告
1.选题背景和意义
随着遥感技术的发展和遥感数据的广泛应用，遥感影像分类成为了研究的热点问题之一。遥感影像分类具有广泛的应用前景，例如土地利用与覆盖变化分析、环境监测、城市规划、农业生产等方面。因此，精准的遥感影像分类研究成为了当前遥感技术研究的重要方向之一。
目前，应用广泛的遥感影像分类方法主要包括最大似然分类方法、支持向量机、随机森林等。但是，这些方法在实际应用中存在着一定的局限性，例如随机森林方法存在过拟合的问题。因此，研究一种高效、精准的遥感影像分类方法具有重要意义。
基于改进型BP神经网络的遥感影像分类方法具有较高的分类精度和鲁棒性，能够克服传统分类方法的限制。为了提高遥感影像分类的精度和效率，本文计划研究改进型BP神经网络的遥感影像分类方法，以提高遥感影像分类的精度和实验效果，对于实际应用具有重要的现实意义。
2.研究内容和方法
本文将基于改进型BP神经网络的遥感影像分类方法进行研究，主要研究内容和方法包括：
（1）遥感影像特征提取方法的研究。由于神经网络对输入数据的特征要求较高，需要对遥感影像进行有效的特征提取。因此，本文将针对遥感影像的特征，分别从空间特征、频域特征和纹理特征等方面进行分析和提取。
（2）改进型BP神经网络分类模型的研究。在神经网络分类模型的设计中，本文将采用单隐层BP神经网络，并针对BP神经网络存在的局限性进行改进，比如引入机构设计超参数学习，优化BP学习过程等方案，并对改进后的神经网络进行实验验证。
（3）遥感影像分类的实验研究。在分类实验中，本文将采用遥感数据集进行训练和测试，并与传统分类方法进行对比，验证本文提出的改进型BP神经网络的遥感影像分类方法的有效性和优越性。
3.研究预期成果和意义
本文研究的改进型BP神经网络的遥感影像分类方法，将具有较高的分类精度和鲁棒性，可以有效克服传统分类方法存在的限制。预期成果包括：
（1）建立一种改进型BP神经网络分类模型，提高遥感影像分类的精度和鲁棒性；
（2）提出一种遥感影像特征提取方法，使神经网络能够更好地对遥感影像进行分类；
（3）通过实验验证，证明改进型BP神经网络的遥感影像分类方法在分类精度和效率上具有优越性，具有重要的实际应用意义。
4.研究进度计划
本文研究进度计划如下：
（1）第一阶段：查阅相关文献，对遥感影像分类方法、神经网络分类方法等相关内容进行了解和分析。计划完成时间为两周。
（2）第二阶段：根据初步调研的结果，确定遥感影像特征提取方法和改进型BP神经网络分类模型，并进行实现。计划完成时间为一个月。
（3）第三阶段：使用遥感数据集进行实验验证，比较改进型BP神经网络分类方法和传统分类方法的性能。计划完成时间为一个月半。
（4）第四阶段：对实验结果进行统计分析，并完成论文写作工作。计划完成时间为一个月。
5.参考文献
[1]DavidL.H.,WeimingX.,QinghanD.A.Y.,etal.Landsatclassificationusingprobabilisticneuralnetwork[D].IEEETransactionsonGeoscienceandRemoteSensing,2014,9(4):56-62.
[2]JunW.,ShengY.,HongY.,etal.Anewland-coverclassificationmethodwithmodifiedbackpropagationalgorithmbasedonSVM[C].2015IEEEInternationalGeoscienceandRemoteSensingSymposium,2015:24-29.
[3]LiT.,LiD.,ZhouP.,etal.Land-use/land-covermappingbasedondeepfeaturesandBPnetwork[J].ActaGeodaeticaetCartographicaSinica,2016,45(7):810-816.
[4]中科院遥感所.遥感图像分类[M].北京：中国宇航出版社,2006.
[5]刘林,张瑞.一种结合遗传算法和BP神经网络的高分遥感影像分类方法[J].测绘科学,2016,41(1):61-65.