PDF《东北林业大学学》

第3J卷 第 4期

2 0

0 3年 7月 东北林业大学学报JOURNAL OF N0RTHEAS T FORES TRY UNI VERSI TY VO J .

3l NO.

4 Ma t l a b自组 织神经网络 在遥感图像 分类中的应 用杜华强(北京林业大学,北京,100083)范文义巳X(东北 林业大学)摘要以Ma t l a b平 台为 基础,利用神 经 网络 工具箱构建了自组 织神 经 网络 , 对一幅TM432假 彩色遥感图像 通过300次训 练后 , 仿真输出能 真 实地 反 映原 始 图像 的特征.其分类总精 度为87.14%,Kappa系数 为0.85, 分类精度能够满足遥感图像 分类的需要 . 关键词Ma t l a b ;

自组 织神经网络 ;

分类;

精度;

Kappa系数 分类号TP

3 8

9 .

1 :$

7 7

1 .

8 Th e A ppl i c a t i o n of Se l f―or g an i zi ng N e ur a l Ne t wo r k t o Rem o t e Se ns i ng I m a ge Cl as s i f i c at i on Ba s e d on M a t l a b/Du Hu a q i a n g ( Be i j i n g F o r e s t r y Un i v e r s i t y ,B e i j i n g

1 0

0 0

8 3,P.R.C h i n a );

F a n We n y i ( No r t h e a s t F o r e s t r y Un i v e r s i t y ) / / J o u r ― n a l o f N o r t h e a s t F o r e s t r y Un i v e r s i t y .一2

0 0 3,31 ( 4) .一5 1~5

3 A s e l f― o r g a ni z a t i o n a r ti f ic i a l ne u r a l ne t wa s c r e a t e d b a s e d o n t h e n e u r a l ne t t o o l s bo x o f M a t l a b i n t hi s s t ud y . Ap ― p l i ed t hi s ne t .a La n dSa t TM

43 2 f a l s e c o l o r c o mp o s i t i o n i ma g e wa s t r a i n e d

3 00 t i mes a nd g o t a s a t i s f a c t o r y r e s ul t wh e n s i m― ul a t e d i t . Th e t o t a l pr ec i s i on o f c l a s s i f ic a t i o n i s

8 7.

1 4% a nd Ka p pa co e f f ic i e n t i s 0. 85.Th e p r e c i s i on o f c l a s s i f ic a t i on c a n me e t t h e d e ma nd o f r e m o t e s e ns i n g i ma g e c l a s s i f ic a t i o n. K e y wor ds M a t l a b;

Se l f ― o r g a ni z a t i o n a r ti f ic i a l n e u r a l n e t ;

Cl a s s i f ic a t i o n;

Pr e c i s i o n;

Ka pp a c o e f f ic i e n t 遥感图像分类是遥感技术应用研究中不可避免的问题 之一.随着遥感技术的纵深发展,遥感数据的时间、空间和光谱分辨率不断提高 , 传统 的 分类 方法 ( 如最 大似然法 、 K一均值 法等 ) 已经不能满足分 类精度 的要求 .因此 应采用新 的分类 方法来提 高遥 感 图像分类精 度. 近年 来神经网络被广 泛应用于遥感 图像 分类 .不同学者 分别提 出或应用 B P网… 、 三维Hopfield网 J 、 径 向基 函数神 经 网络 和小波神经 网络 等对遥感 图像进 行监 督分类 , 研 究表明 , 分类精 度在很大程 度上得到 了提 高.然而 , 它们 的分 类精度同样依赖 于网络训 练样本 ( 教师信号 或 目标输 出) 的选 取,除了在算法上改进外 , 都在一定 程度上限 制了神经 网络 的 发展 , 同时像 B P网等存 在 网络 训练 速度慢 、 不 易收敛 到最优 等缺点 .自组织神经网络是一种不需要教师信号的网络 , 它通 过对输入信号 的竞争 学习而将其划 归为不 同的类别.笔者 将 利用 M a t l a b平台构建 自组织 神经 网络来 分类遥 感 图像 , 希望在没有 教师信号 的同时同样能达到提高分类精度 的目的 . Ma t l a b ( Ma t r i x L a b o r a t o r y) 是美国Ma t h Wo r k公司于1982年推 出的一套高性能 的数值 计算 和可视 化软件 , 它集数 值分 析、矩阵运算 、 信号 图像处 理和 图像 图形 显示 于一体 , 其 结构 化语 言和大量面 向专 业 领域 的工具箱 , 使不同领 域的研 究者 从 烦琐 的编程 中解放 出来 , 极大 地方 便 了问题 的研究 .Ma t ― l a b神经 网络工具 箱包含大多 数神经网络如 感知器 、 B P网、自组织 网络 、 反馈 网络等 , 以及这些网络 的学 习规则 、 训练 、 仿真等.1自组 织神 经 网络 及学习算法概 述Kohonen根据 人脑 的特 点提 出了自组 织 映射 理论 , 他 认为神经 网络 中邻近的各个 神经元通过彼此侧 向交互作 用,1)国家 自然 科学基金项目(