北京林业大学学报
北京林業大學學報
북경임업대학학보
JOURNAL OF BEIJING FORESTRY UNIVERSITY
2003年
4期
1-5
,共5页
人工神经网络%森林分类%植被分类%遥感图像%误差后向传播模型
人工神經網絡%森林分類%植被分類%遙感圖像%誤差後嚮傳播模型
인공신경망락%삼림분류%식피분류%요감도상%오차후향전파모형
应用人工神经网络模型对陆地卫星TM多光谱图像进行了森林植被分类的研究,共选取了8种主要植被类型,重点是研究在不同背景条件下存在同谱异物现象的云杉、油松和落叶松等针叶林树种的分类方法.所采用的网络模型为3层误差后向传播神经网络模型,鉴于贺兰山自然植被垂直带谱明显,利用误差后向传播网络模型的并行分布式结构,研究中引入高程数据作为一个独立波段与3个多光谱波段一起直接进行分类,取得了很好效果.该方法与常规的最大似然法相比,存在同谱异物现象的云杉、油松和落叶松的分类精度平均提高了27.5个百分点.对存在同物异谱现象的阔叶林的分类精度也有一定程度的提高.
應用人工神經網絡模型對陸地衛星TM多光譜圖像進行瞭森林植被分類的研究,共選取瞭8種主要植被類型,重點是研究在不同揹景條件下存在同譜異物現象的雲杉、油鬆和落葉鬆等針葉林樹種的分類方法.所採用的網絡模型為3層誤差後嚮傳播神經網絡模型,鑒于賀蘭山自然植被垂直帶譜明顯,利用誤差後嚮傳播網絡模型的併行分佈式結構,研究中引入高程數據作為一箇獨立波段與3箇多光譜波段一起直接進行分類,取得瞭很好效果.該方法與常規的最大似然法相比,存在同譜異物現象的雲杉、油鬆和落葉鬆的分類精度平均提高瞭27.5箇百分點.對存在同物異譜現象的闊葉林的分類精度也有一定程度的提高.
응용인공신경망락모형대륙지위성TM다광보도상진행료삼림식피분류적연구,공선취료8충주요식피류형,중점시연구재불동배경조건하존재동보이물현상적운삼、유송화락협송등침협림수충적분류방법.소채용적망락모형위3층오차후향전파신경망락모형,감우하란산자연식피수직대보명현,이용오차후향전파망락모형적병행분포식결구,연구중인입고정수거작위일개독립파단여3개다광보파단일기직접진행분류,취득료흔호효과.해방법여상규적최대사연법상비,존재동보이물현상적운삼、유송화락협송적분류정도평균제고료27.5개백분점.대존재동물이보현상적활협림적분류정도야유일정정도적제고.
