Please wait a minute...
img

官方微信

遥感技术与应用  2018, Vol. 33 Issue (2): 313-320    DOI: 10.11873/j.issn.1004-0323.2018.2.0313
数据与图像处理     
基于双树复小波分解的BP神经网络遥感影像分类
杨朦朦1,汪汇兵2,3,欧阳斯达2,范奎奎4,戚凯丽1
(1.山东科技大学测绘科学与工程学院,山东 青岛  266510;
2.国家测绘地理信息局卫星测绘应用中心,北京  100048;
3 江苏省地理信息资源开发与利用协同创新中心,南京  210023;
4.中国矿业大学环境与测绘学院,江苏 徐州  221116)
〖JZ)〗〖HT5H〗〖GK2!2〗摘要〖HTK〗:
BP Neural Network Classification of Remote Sensing Images based on DT\|CWT Decomposition
Yang Mengmeng1,Wang Huibing2,Ouyang Sida2,Fan Kuikui3,Qi Kaili 1
(1.Shandong University of Science and Technology,Qingdao 266510,China;
2.Satellite Surveying and Mapping Application Center,Beijing 100048,China;
3.China University of Mining and Technology,Xuzhou 221116,China)
 全文: PDF(7065 KB)  
摘要:
为有效解决高分辨率多光谱遥感影像分类模糊性和不确定性以及较好地克服噪声的影响,提出了一种基于双树复小波分解的BP神经网络遥感图像分类方法。首先提取影像的NDVI、纹理特征来降低影像中因“同谱异物”和“同物异谱”引起的分类不确定性;然后对影像的原始光谱波段、NDVI、纹理特征图像进行一层双树复小波分解,提取出图像的低频信息,降低图像噪声以及减少分类中存在的“椒盐”现象;最后将提取的低频子图作为BP神经网络的输入并根据训练好的网络进行分类,得到最终的分类结果。对比实验结果表明该方法的分类结果杂点较少,区域一致性更强,具有较高的分类精度和较好的鲁棒性。
关键词: 归一化植被指数纹理灰度共生矩阵双树复小波变换BP神经网络    
Abstract: In order to solve the ambiguity and uncertainty of high resolution multi\|spectral remote sensing image classification and to better overcome the influence of noise,a new BPNN(Back Propagation Neural Network)classification method of multi\|spectral image,based on DT\|CWT decomposition,is presented in this paper.First,the NDVI and texture features of the image are extracted to reduce the classification uncertainty caused by the problem of different objects having the same spectrum and the same objects having different spectrum in the image,then,the original spectral band,NDVI and texture features of the image are decomposed by DT\|CWT to extract the Low\|frequency information of the image,as well as to reduce the image noise and the presence of “salt and pepper” in the classification.Finally,the extracted low\|frequency sub\|graphs are input to the BP neural network and classified according to the trained network to obtain the final classification result.The results of the comparison show that the proposed method with less miscellaneous points has stronger regional consistency,higher classification accuracy and better robustness.
Key words: NDVI    Texture feature    Gray-level Co-occurrence Matrix    Dual-tree Complex Wavelet transform    Back Propagation Neural Network(BPNN)
收稿日期: 2017-03-16 出版日期: 2018-05-15
:  TP 75  
基金资助: 国家自然科学基金项目(41271394)。

作者简介: 杨朦朦(1992-),女,山东枣庄人,硕士研究生,主要从事感数据信息提取的理论和方法研究。Email:172198791@qq.com。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  
杨朦朦
汪汇兵
欧阳斯达
范奎奎
戚凯丽

引用本文:

杨朦朦,汪汇兵,欧阳斯达,范奎奎,戚凯丽. 基于双树复小波分解的BP神经网络遥感影像分类[J]. 遥感技术与应用, 2018, 33(2): 313-320.

Yang Mengmeng,Wang Huibing,Ouyang Sida,Fan Kuikui,Qi Kaili . BP Neural Network Classification of Remote Sensing Images based on DT\|CWT Decomposition. Remote Sensing Technology and Application, 2018, 33(2): 313-320.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2018.2.0313        http://www.rsta.ac.cn/CN/Y2018/V33/I2/313

[1] 汪子豪,秦其明,孙元亨. 基于BP神经网络的地表温度空间降尺度方法[J]. 遥感技术与应用, 2018, 33(5): 793-802.
[2] 孟梦,牛铮. 近30 a内蒙古NDVI演变特征及其对气候的响应[J]. 遥感技术与应用, 2018, 33(4): 676-685.
[3] 张婕,张文煜,冯建东,王宏义,于泽,宋玮. 基于亮温—植被指数—气溶胶光学厚度的MODIS火点监测算法研究[J]. 遥感技术与应用, 2016, 31(5): 886-892.
[4] 过杰,何宜军,张彪,Vladimir Yurjevich Karaev,M.A.Panfilova,Yuriy Titchenko. 基于散射计波浪参数反演模型的改进算法实验[J]. 遥感技术与应用, 2016, 31(5): 907-911.
[5] 翟玮,沈焕锋,黄春林. 结合PolSAR影像纹理特征分析提取倒塌建筑物[J]. 遥感技术与应用, 2016, 31(5): 975-982.
[6] 邓滢,张红,王超,刘萌. 结合纹理与极化分解的面向对象极化SAR水体提取方法[J]. 遥感技术与应用, 2016, 31(4): 714-723.
[7] 赵玉,王红,张珍珍. 基于遥感光谱和空间变量随机森林的黄河三角洲刺槐林健康等级分类[J]. 遥感技术与应用, 2016, 31(2): 359-367.
[8] 潘一凡,张显峰,于泓峰,饶俊峰. 联合快舟一号影像纹理信息的城市土地覆盖分类[J]. 遥感技术与应用, 2016, 31(1): 194-202.
[9] 卢业伟,李强子,杜鑫,王红岩,刘吉磊. 基于高分辨率影像的近海养殖区的一种自动提取方法[J]. 遥感技术与应用, 2015, 30(3): 486-494.
[10] 周艳飞,张绘芳,李霞,杨帆,丁程锋. 基于高分辨遥感数据的胡杨与柽柳树冠提取[J]. 遥感技术与应用, 2015, 30(3): 510-517.
[11] 化蕾,黄洪宇,陈崇成,黄淑华.  基于激光点云数据的客家土楼三维建模[J]. 遥感技术与应用, 2015, 30(1): 115-122.
[12] 邹亚荣,黄磊,张治平. 结合纹理特征的SVM岛礁信息提取分析[J]. 遥感技术与应用, 2014, 29(5): 812-817.
[13] 孙美玲,李永树,陈强. 航空影像辅助下的城区机载LiDAR汽车目标检测方法[J]. 遥感技术与应用, 2014, 29(5): 886-890.
[14] 刘萌萌,刘亚岚,孙国庆,彭立. 结合纹理特征的SVM样本分层土地覆盖分类[J]. 遥感技术与应用, 2014, 29(2): 315-323.
[15] 孙建国,姜烨,颜长珍. 利用专题指数改善沙漠化土地遥感分类精度[J]. 遥感技术与应用, 2013, 28(4): 655-658.