结合DEM数据的人工神经网络分类研究--以福建永安市西北部为例
摘要
人工神经网络是以模拟人体神经系统的结构和功能为基础而建立的一种信息处理系统。近年来被广泛的应用于地质构造、岩石学、地震灾害、油气和固矿勘查、土地覆盖等地学领域中,一般用做模拟解释地学事物,预测未知事件以及分类和模式识别。随着专家学者多年的探索研究,神经网络的分类效果日益显著,成为遥感数字图像分类处理的有效手段,并有逐步取代最大似然法的趋势。
本文介绍了人工神经网络的基本原理及BP网络的C语言实现过程。在福建永安市的一景ETM影像中选择大小为1124×1139像元的子区作为试验区,基于MNVI4.6平台对结合DEM高程数据和植被指数的TM光谱数据做神经网络分类,将区域分为水体、耕地、城镇、针叶林、阔叶林、人工林和裸地七类。结果表明,(1)BP神经网络分类的总体精度和Kappa系数比最大似然法高:(2)加入DEM和NDVI数据,最大似然法的分类效果没有提高,而神经网络分类效果提高了。神经网络算法不需要基于任何分布的假设,对于多元多源数据的分类非常有利。分类结果精度表见表1,影像原图及分类图见图1、2、3。
本文介绍了人工神经网络的基本原理及BP网络的C语言实现过程。在福建永安市的一景ETM影像中选择大小为1124×1139像元的子区作为试验区,基于MNVI4.6平台对结合DEM高程数据和植被指数的TM光谱数据做神经网络分类,将区域分为水体、耕地、城镇、针叶林、阔叶林、人工林和裸地七类。结果表明,(1)BP神经网络分类的总体精度和Kappa系数比最大似然法高:(2)加入DEM和NDVI数据,最大似然法的分类效果没有提高,而神经网络分类效果提高了。神经网络算法不需要基于任何分布的假设,对于多元多源数据的分类非常有利。分类结果精度表见表1,影像原图及分类图见图1、2、3。