计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2004年
21期
108-110,145
,共4页
独立分量分析%固定点算法%多光谱遥感图像%BP神经网络
獨立分量分析%固定點算法%多光譜遙感圖像%BP神經網絡
독립분량분석%고정점산법%다광보요감도상%BP신경망락
多光谱遥感图像反映了不同地物的光谱特征,其分类是遥感应用的基础.但是在多光谱遥感波段图像中存在不同地物对应着相同的灰度,即异物同谱的问题.独立分量分析算法对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似.独立分量分析算法利用了信号的高阶统计信息,对于多光谱遥感图像而言,算法去除了波段图像之间的相关性,获得的波段图像是相互独立的.但是独立分量分析算法有一个缺点,即计算量太大,影响了在多光谱遥感图像分类上的应用.文章对独立分量分析的一种快速算法FastICA进行改进,减少了计算量,提高了算法的有效性.在性能相当的情况下,改进FastICA算法能有效地减少算法的计算量.由于FastICA算法是线性ICA算法,对于非线性混合的光谱信号的估计存在一定误差,因此应用BP神经网络的非线性特性对其进行自动分类.在同原始遥感图像的BP神经网络分类结果进行比较,结果表明独立分量分析算法能提高多光谱遥感图像的分类的正确率.
多光譜遙感圖像反映瞭不同地物的光譜特徵,其分類是遙感應用的基礎.但是在多光譜遙感波段圖像中存在不同地物對應著相同的灰度,即異物同譜的問題.獨立分量分析算法對未知的源信號的混閤信號進行估計,可以穫得相互獨立的源信號的近似.獨立分量分析算法利用瞭信號的高階統計信息,對于多光譜遙感圖像而言,算法去除瞭波段圖像之間的相關性,穫得的波段圖像是相互獨立的.但是獨立分量分析算法有一箇缺點,即計算量太大,影響瞭在多光譜遙感圖像分類上的應用.文章對獨立分量分析的一種快速算法FastICA進行改進,減少瞭計算量,提高瞭算法的有效性.在性能相噹的情況下,改進FastICA算法能有效地減少算法的計算量.由于FastICA算法是線性ICA算法,對于非線性混閤的光譜信號的估計存在一定誤差,因此應用BP神經網絡的非線性特性對其進行自動分類.在同原始遙感圖像的BP神經網絡分類結果進行比較,結果錶明獨立分量分析算法能提高多光譜遙感圖像的分類的正確率.
다광보요감도상반영료불동지물적광보특정,기분류시요감응용적기출.단시재다광보요감파단도상중존재불동지물대응착상동적회도,즉이물동보적문제.독립분량분석산법대미지적원신호적혼합신호진행고계,가이획득상호독립적원신호적근사.독립분량분석산법이용료신호적고계통계신식,대우다광보요감도상이언,산법거제료파단도상지간적상관성,획득적파단도상시상호독립적.단시독립분량분석산법유일개결점,즉계산량태대,영향료재다광보요감도상분류상적응용.문장대독립분량분석적일충쾌속산법FastICA진행개진,감소료계산량,제고료산법적유효성.재성능상당적정황하,개진FastICA산법능유효지감소산법적계산량.유우FastICA산법시선성ICA산법,대우비선성혼합적광보신호적고계존재일정오차,인차응용BP신경망락적비선성특성대기진행자동분류.재동원시요감도상적BP신경망락분류결과진행비교,결과표명독립분량분석산법능제고다광보요감도상적분류적정학솔.
