基于变差函数纹理和BP人工神经网络的QuickBird影像分类研究.docx

基于变差函数纹理和BP人工神经网络的QuickBird影像分类研究
基于变差函数纹理和BP人工神经网络的QuickBird影像分类研究
摘要：随着遥感技术的快速发展，高分辨率影像分类成为了遥感图像处理的重要研究方向之一。本文提出了一种基于变差函数纹理和BP人工神经网络的QuickBird影像分类方法。首先，利用灰度共生矩阵提取图像的纹理特征，并通过变差函数进一步挖掘纹理信息。然后，以提取的纹理特征作为输入，构建BP人工神经网络模型，并经过训练和优化，得到一个高效准确的分类模型。最后，通过对QuickBird卫星影像进行实验，验证了所提出方法的有效性和优越性。
关键词：变差函数纹理；BP人工神经网络；QuickBird影像；分类
1.引言
遥感图像分类是将遥感图像按照一定的标准划分为不同类别的过程，是遥感图像处理的重要任务之一。高分辨率遥感影像具有大面积、全时段、全光谱的特点，对于土地利用规划、环境监测、农作物遥感调查等方面具有重要的应用价值。然而，由于高分辨率影像具有复杂的空间结构和丰富的纹理信息，传统的分类方法往往无法取得令人满意的分类效果。因此，本文提出一种基于变差函数纹理和BP人工神经网络的QuickBird影像分类方法，旨在提高高分辨率影像的分类准确性和效率。
2.变差函数纹理
纹理是指图像中存在的统计规律，通过纹理特征的提取可以更好地描述影像中的细节信息。在本文中，我们运用灰度共生矩阵（GLCM）提取纹理特征，并通过变差函数进行进一步挖掘。灰度共生矩阵可以描述图像中不同灰度级像素之间的关系，而变差函数则可以反映图像中像素的变化程度。通过将灰度共生矩阵和变差函数相结合，可以提取到更加丰富的纹理特征。
3.BP人工神经网络模型
BP人工神经网络是一种常用的分类模型，其通过多层神经元之间的连接实现信息传递和学习，具有较强的非线性拟合能力。本文将提取的纹理特征作为输入向量，构建BP人工神经网络模型，并通过反向传播算法对网络进行训练和优化。通过不断调整网络的权值和阈值，使得网络输出与实际分类结果接近，从而得到一个高效准确的分类模型。
4.实验与结果分析
在本研究中，我们选择了QuickBird卫星影像作为实验数据集。通过预处理和特征提取，得到了包含纹理特征的影像样本。利用BP人工神经网络模型对样本进行训练，并通过验证集和测试集进行准确性评估。实验结果表明，所提出的方法在QuickBird影像分类中取得了较好的效果，准确率明显高于传统方法。
5.结论
本文基于变差函数纹理和BP人工神经网络提出了一种QuickBird影像分类方法。通过对高分辨率影像进行纹理特征提取和人工神经网络模型构建，实现了对影像的快速、高效、准确地分类。实验结果表明，所提出的方法在QuickBird影像分类任务中具有较好的性能和应用前景。然而，在实际应用中还存在一些问题和挑战，需要进一步完善和优化。
参考文献：
[1]王飞,郭立华,杜保瑞.基于变差函数纹理特征的QuickBird影像分类[J].吉林大学学报(地球科学版),2015,45(2):529-537.
[2]许建亮,王秀巧,徐辉,等.基于BP神经网络的景观多样性分类研究[J].地理科学,2005,25(2):261-266.
[3]刘俊杰,李秀英,张婧光,等.基于变差函数的Landsat影像纹理特征提取[J].湖南科技信息,2018,34(1):18-20.