计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2005年
7期
84-86
,共3页
独立分量分析 FastICA LM-FastICA 遥感图像分类 BP神经网络
獨立分量分析 FastICA LM-FastICA 遙感圖像分類 BP神經網絡
독립분량분석 FastICA LM-FastICA 요감도상분류 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.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.M-FastICA算法同FastICA算法一样,它们的收敛依赖于初始权值的选择.通过在M-FastlCA算法中引入松弛因子,使算法可以实现大范围收敛,得到更稳定的收敛效果.应用BP神经网络对独立分量分析算法预处理后的图像进行自动分类,其分类精度较原始遥感图像的精度均高,并且三种独立分量分析算法的分类性能也相当.
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.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.M-FastICA算法同FastICA算法一樣,它們的收斂依賴于初始權值的選擇.通過在M-FastlCA算法中引入鬆弛因子,使算法可以實現大範圍收斂,得到更穩定的收斂效果.應用BP神經網絡對獨立分量分析算法預處理後的圖像進行自動分類,其分類精度較原始遙感圖像的精度均高,併且三種獨立分量分析算法的分類性能也相噹.
다광보요감도상반영료불동지물적광보특정,기분류시요감응용적기출.독립분량분석산법이용료신호적고계통계신식,대우다광보요감도상이언,산법거제료파단도상지간적상관성,획득적파단도상시상호독립적.단시독립분량분석산법유일개결점,즉계산량태대,영향료재다광보요감도상분류상적응용.M-FastICA산법동FastICA산법일양,타문적수렴의뢰우초시권치적선택.통과재M-FastlCA산법중인입송이인자,사산법가이실현대범위수렴,득도경은정적수렴효과.응용BP신경망락대독립분량분석산법예처리후적도상진행자동분류,기분류정도교원시요감도상적정도균고,병차삼충독립분량분석산법적분류성능야상당.
