基于CSBP模型的中尺度遙感影像分類(lèi)研究

《基于CSBP模型的中尺度遙感影像分類(lèi)研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、分類(lèi)號(hào)：Ｐ２８單位代碼：１０６３６密級(jí)：公開(kāi)學(xué)號(hào)：２０１５１１０４００３、奴，丨ｉｆ範(fàn)七爹碩士學(xué)位論文中文論文題目：基于ＣＳＢＰ模型的中尺度遙感影像分類(lèi)研究英文論文題目：ＣｌａｓｓｉｆｉｃａｔｉｏｎｏｆＭｅｓｏｓｃａｌｅＲｅｍｏｔｅＳｅｎｓｉｎｇＩｍａｇｅＢａｓｅｄｏｎＣＳＢＰＭｏｄｅｌ論文作者：鮮永昌￣指導(dǎo)教師：王石英專(zhuān)業(yè)名稱(chēng)：地圖學(xué)與地理信息系統(tǒng)研究方向：遙感與ＧＩＳ理論技術(shù)及應(yīng)用所在學(xué)院：地理與資源科學(xué)學(xué)院論文提交日期：２０１８年３月２５日論文答辯日期：２０１８年６月５曰四川

2、師范大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明：所呈交學(xué)位論文基于ＣＳＢＰ模型的中尺度遙感影像分類(lèi)研究，是本人在導(dǎo)師王石英指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果５除文中己經(jīng)注明引用的內(nèi)容外，本論文不含任何其他個(gè)人或集體己經(jīng)發(fā)表或撰寫(xiě)過(guò)的作品或成果。對(duì)本文的研宄做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本聲明的法律結(jié)果由本人承擔(dān)。一本人承諾：己提交的學(xué)位論文電子版與論文紙本的內(nèi)容致。如因不符而引起的學(xué)術(shù)聲譽(yù)上的損失由本人自負(fù)。￣（９ｐ＾６ｄ學(xué)位論文作者：簽字日期：＞呤年月日學(xué)位論文出版授權(quán)書(shū)本人完全同意《中國(guó)優(yōu)

3、秀博碩士學(xué)位論文全文數(shù)據(jù)庫(kù)出版章程》“”（以下簡(jiǎn)稱(chēng)章程），愿意將本人的碩士學(xué)位論文提交中國(guó)學(xué)術(shù)期刊（光盤(pán)版）電子雜志社在《中國(guó)優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫(kù)》中全文發(fā)表?！吨袊?guó)優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫(kù)》可以以電子、網(wǎng)絡(luò)及其他數(shù)字媒體形式公開(kāi)出版，并同意編入ＣＮＫＩ《中國(guó)知識(shí)資源總庫(kù)》，在《中國(guó)博碩士學(xué)位論文評(píng)價(jià)數(shù)據(jù)庫(kù)》中使用和在互聯(lián)網(wǎng)“”上傳播章程規(guī)定享受相關(guān)權(quán)益。，同意按ｖｊｉ－作者簽名：Ｔ分匕年月Ｒ廠(chǎng)論文題目：基于ＣＳＢＰ模型的中尺度遙感影像分類(lèi)研宄畢業(yè)院校：四川師范大學(xué)畢業(yè)年份：２０１８

4、年６月：地理：院所學(xué)地圖學(xué)息所在學(xué)院地理與資源科學(xué)學(xué)專(zhuān)業(yè)與信系統(tǒng)（）。說(shuō)：由電明本授權(quán)書(shū)中國(guó)學(xué)術(shù)期刊光盤(pán)版子雜志社保存－－聯(lián)：１１１１７７９０６９３：１０６２７９１８１４系電話(huà)００６２７９９５６２７９３６６２０傳真－８４１００４通：４８：０８信地址北局采編中心郵編京清華大學(xué)郵信箱摘要基于CSBP模型的中尺度遙感影像分類(lèi)研究地圖學(xué)與地理信息系統(tǒng)專(zhuān)業(yè)研究生：鮮永昌指導(dǎo)教師：王石英摘要遙感影像分類(lèi)是實(shí)現(xiàn)遙感影像地物信息提取的重要技術(shù)，也是遙感領(lǐng)域所研究的熱點(diǎn)內(nèi)容。中尺度的遙感影像如LANDSAT系列影像，具有覆蓋面積廣、易獲取等特

5、點(diǎn)，常常作為科學(xué)研究的基礎(chǔ)數(shù)據(jù)。使用中尺度的遙感影像作為分類(lèi)識(shí)別的數(shù)據(jù)源，可以獲得較大范圍的土地覆被結(jié)果。BP神經(jīng)網(wǎng)絡(luò)是通過(guò)對(duì)大腦神經(jīng)系統(tǒng)的簡(jiǎn)單抽象和模擬而構(gòu)建的一種網(wǎng)絡(luò)結(jié)構(gòu)，該結(jié)構(gòu)具有自適應(yīng)、自組織和自學(xué)習(xí)的特點(diǎn)，能夠?qū)崿F(xiàn)數(shù)據(jù)的分布式存儲(chǔ)以及并行的處理。獨(dú)特的數(shù)據(jù)結(jié)構(gòu)和強(qiáng)大的擬合能力，使得BP神經(jīng)網(wǎng)絡(luò)十分適合處理如圖像分類(lèi)等非線(xiàn)性問(wèn)題。隨著近年來(lái)相關(guān)理論的不斷發(fā)展，BP神經(jīng)網(wǎng)絡(luò)在遙感影像分類(lèi)領(lǐng)域取得了廣泛的應(yīng)用。實(shí)踐證明，使用BP神經(jīng)網(wǎng)絡(luò)能夠顯著地提升遙感影像分類(lèi)的精度。但是，BP神經(jīng)網(wǎng)絡(luò)在實(shí)際應(yīng)用中仍然存在著一些問(wèn)題，比如對(duì)初始的權(quán)閾值敏感、容易陷入到

6、局部最優(yōu)解等。針對(duì)上述問(wèn)題，本文使用布谷鳥(niǎo)搜索算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，構(gòu)建CSBP模型。對(duì)于標(biāo)準(zhǔn)布谷鳥(niǎo)搜索算法存在的后期收斂速度慢、求解精度不高的問(wèn)題，采用自適應(yīng)步長(zhǎng)的策略進(jìn)行改進(jìn)，并使用ROSENBROCK函數(shù)檢驗(yàn)改進(jìn)算法的優(yōu)化能力。為了驗(yàn)證布谷鳥(niǎo)搜索算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化效果，分別使用傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)、經(jīng)過(guò)標(biāo)準(zhǔn)布谷鳥(niǎo)搜索算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)和經(jīng)過(guò)改進(jìn)布谷鳥(niǎo)搜索算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)對(duì)覆蓋稻城縣轄區(qū)的LANDSAT8遙感影像進(jìn)行分類(lèi)實(shí)驗(yàn)，并對(duì)三種算法的分類(lèi)結(jié)果進(jìn)行對(duì)比分析。發(fā)現(xiàn)了使用改進(jìn)的布谷鳥(niǎo)搜索算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行遙感影像分類(lèi)的總體

7、分類(lèi)精度是88.3927%，Kappa系數(shù)是0.8646。與原始BP神經(jīng)網(wǎng)絡(luò)和采用標(biāo)準(zhǔn)布谷鳥(niǎo)搜索算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)相比，分類(lèi)精度分別提高了9.42%和1.58%。關(guān)鍵詞稻城縣；遙感影像分類(lèi)；BP神經(jīng)網(wǎng)絡(luò)；布谷鳥(niǎo)搜索算法；自適應(yīng)步長(zhǎng)。IAbstractResearchonMiddleScaleRemoteSensingImageClassificationBasedonCS-BPModelMajor:CartographyandgeographyInformationSystemPostgraduate:XianYongchangSupervisor:W

8、angShiyingAbstract：Remotesensingi