城市地理
城市地理
성시지리
Cultural Geography
2015年
20期
243-245
,共3页
OIF%BP神经网络%影像分类
OIF%BP神經網絡%影像分類
OIF%BP신경망락%영상분류
有效地选择合适的分类方法以提高遥感影像分类精度一直是遥感技术研究的热点研究内容. 本文先对多光谱遥感影像进行最佳指数法 ( OIF) 计算, 选取OIF值最大的波段组合为最佳波段组合; 然后在Matlab软件平台下对基于BP神经网络分类算法进行了研究, 最后将它的分类结果与ENVI软件平台下的最大似然法、 支持向量机 ( SVM ) 的分类结果进行精度对比分析. 研究表明, 基于BP神经网络的遥感图像分类总精度比ENVI软件平台下的最大似然法、 SVM的分类总精度高,是一种有效的遥感影像分类方法.
有效地選擇閤適的分類方法以提高遙感影像分類精度一直是遙感技術研究的熱點研究內容. 本文先對多光譜遙感影像進行最佳指數法 ( OIF) 計算, 選取OIF值最大的波段組閤為最佳波段組閤; 然後在Matlab軟件平檯下對基于BP神經網絡分類算法進行瞭研究, 最後將它的分類結果與ENVI軟件平檯下的最大似然法、 支持嚮量機 ( SVM ) 的分類結果進行精度對比分析. 研究錶明, 基于BP神經網絡的遙感圖像分類總精度比ENVI軟件平檯下的最大似然法、 SVM的分類總精度高,是一種有效的遙感影像分類方法.
유효지선택합괄적분류방법이제고요감영상분류정도일직시요감기술연구적열점연구내용. 본문선대다광보요감영상진행최가지수법 ( OIF) 계산, 선취OIF치최대적파단조합위최가파단조합; 연후재Matlab연건평태하대기우BP신경망락분류산법진행료연구, 최후장타적분류결과여ENVI연건평태하적최대사연법、 지지향량궤 ( SVM ) 적분류결과진행정도대비분석. 연구표명, 기우BP신경망락적요감도상분류총정도비ENVI연건평태하적최대사연법、 SVM적분류총정도고,시일충유효적요감영상분류방법.
