基于神经网络和Contourlet的遥感图像分类处理

发布时间：2017-04-02 05:05

  本文关键词：基于神经网络和Contourlet的遥感图像分类处理，由笔耕文化传播整理发布。

【摘要】：随着遥感影像的应用越来越广泛,自动化高效的分类方法被越来越多的应用,传统的分类方法是针对图像的统计特征值,阈值或者训练的样本数据进行识别分类,但是对于地标情况复杂,光谱特征相近的地类就很难高效准确的分类,会造成很大的误差和错误。随着人工神经网络的不断发展壮大,神经网络分类技术在遥感图像分类领域也被越来越多的应用,神经网络分类能很好地解决传统分类方法的不足,该方法具有更好的自学能力和自适应能力,效果更好更精准,很好地提高了分类的精度本文首先介绍了论文研究的背景与意义,国内外的研究现状和发展趋势。然后介绍了一些分类和研究的基础知识,遥感影像采用美国Landsat 5多光谱图像,在ENVI和Matlab下进行模拟仿真,将图像处理和图像分类相结合,对同一遥感影像使用不同方式对图像进行处理,在对处理后的图像进行分类。针对种种分类方法和结果进行混淆矩阵分析和分析结果统计,得出结论。经研究表明,基于Contourlet的BP神经网络分类的总体精度最高为93.046%,其Kappa系数为0.8874。人工神经网络的分类精度要比传统的监督分类和非监督分类精度要高,效果更好。最终得出针对该遥感区域采用基于Contourlet变换的神经网络分类方法最佳效果最好,方法可行。
【关键词】：Contourlet变换 神经网络 分类 遥感图像
【学位授予单位】：黑龙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751;TP183
【目录】：

• 中文摘要3-4
• Abstract4-8
• 第1章 绪论8-14
• 1.1 课题研究的背景与意义8-9
• 1.2 国内外的研究现状及发展趋势9-12
• 1.2.1 国内研究现状9-10
• 1.2.2 国外研究现状10-11
• 1.2.3 发展趋势11-12
• 1.3 论文的组织结构及内容12-14
• 第2章 遥感图像分类方法研究14-29
• 2.1 分类概论14-16
• 2.1.1 分类的基本理论14-15
• 2.1.2 分类的一般过程15-16
• 2.2 非监督分类方法16-22
• 2.2.1 K-means分类方法18-19
• 2.2.2 ISODATA分类方法19-22
• 2.3 监督分类方法22-24
• 2.3.1 最大似然分类法22
• 2.3.2 最小距离分类法22-24
• 2.4 较新的分类方法24-25
• 2.4.1 神经网络分类法24
• 2.4.2 模糊分类法24-25
• 2.4.3 亚像元分类法25
• 2.5 分类前与分类后处理25-28
• 2.5.1 分类前处理25-28
• 2.5.2 分类后处理28
• 2.6 本章小结28-29
• 第3章 基于Contourlet的遥感图像处理方法研究29-48
• 3.1 引言29
• 3.2 Contourlet变换29-35
• 3.2.1 LP变换31
• 3.2.2 方向滤波31-32
• 3.2.3 方向滤波器组32-35
• 3.3 Contourlet变换的应用35-36
• 3.4 基于Contourlet的图像去噪研究36-44
• 3.5 基于Contourlet的图像增强研究44-46
• 3.6 本章小结46-48
• 第4章 基于BP神经网络的遥感图像分类48-62
• 4.1 研究区域简介及基本分类信息48-51
• 4.2 基于原始数据的BP人工神经网络分类51-56
• 4.2.1 人工神经网络基础理论51-52
• 4.2.2 BP神经网络的概述52-54
• 4.2.3 原始数据的BP神经网络分类实验54-56
• 4.3 基于小波变换的BP人工神经网络分类56-59
• 4.3.1 小波变换基础理论56-58
• 4.3.2 基于小波的BP神经网络分类实验58-59
• 4.4 基于Contourlet变换的BP人工神经网络分类59-61
• 4.5 本章小结61-62
• 第5章 精度分析与评价62-71
• 5.1 分类精度及评价标准62-63
• 5.2 传统分类方法精度验证63-65
• 5.2.1 ISODATA算法精度验证63-64
• 5.2.2 最大似然法分类精度验证64-65
• 5.3 BP神经网络分类精度验证65-68
• 5.3.1 基于原始数据的BP神经网络分类精度验证65-66
• 5.3.2 基于小波变换的BP神经网络遥感图像分类精度验证66-67
• 5.3.3 基于 Contourlet的BP神经网络遥感图像分类精度验证67-68
• 5.4 精度对比分析68-70
• 5.5 本章小结70-71
• 结论71-73
• 参考文献73-80
• 致谢80-81

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

  本文关键词：基于神经网络和Contourlet的遥感图像分类处理，由笔耕文化传播整理发布。

，

本文编号：281903