遗传算法优化的BP神经网络GF-2影像森林分类方法技术

一种遗传算法优化的BP神经网络GF‑2影像森林分类方法，包括以下步骤，1)将分类区域地表植被分成三级；2)对在分类区域获取的遥感影像进行预处理；3)将进行预处理的遥感影像光谱中加入特征值，以增强特征差异性；4)建立BP神经网络的拓扑结构；5)对权值和阀值进行遗传算法优化；6)将遥感影像中的特征值输入到BP神经网络算法中，完成地物的分类。本发明专利技术的遗传算法优化的BP神经网络GF‑2影像森林分类方法克服BP神经网络稳定性不高，最终权值与阈值容易陷入局部最优，使得分类效果无法达到最好的缺点的遗传算法优化的BP神经网络GF‑2影像森林分类方法，其能够进一步的提高分类精度。

【技术实现步骤摘要】
遗传算法优化的BP神经网络GF-2影像森林分类方法
本专利技术涉及一种针对森林资源遥感监测的森林分类方法，尤其涉及一种遗传算法优化的BP神经网络GF-2影像森林分类方法
技术介绍
森林资源的调查与监测是对森林资源的数量、质量、空间分布及其利用状况进行定期定位的观测分析和评价的工作，它能够及时掌握森林资源现状和消长变化动态，为林业方面的规划与政策的实施提供重要依据。传统的林业调查需消耗大量的人力、物力和财力，且数据更新周期长。遥感技术具有覆盖范围大，更新周期短，无视地形阻碍的特点，森林分类作为森林资源调查与监测的重要手段，遥感技术在其中有着广阔的应用和巨大的潜力。现如今，利用遥感技术进行森林类型的分类已有较多的研究。Abdul等人(Abdul,Halim,Abdus,etal.2008.Evaluationofland-usepatternchangeinWestBhanugachReservedForest,Bangladesh,usingremotesensingandGIStechniques.林业研究(英文版),19(3):193本文档来自技高网...

【技术保护点】
1.遗传算法优化的BP神经网络GF-2影像森林分类方法，其特征在于：包括以下步骤，/n1)将分类区域地表植被分成三级；一级类型为林地与非林地，二级类型分为针叶林与阔叶林，三级类型根据分类区域地秒植被再分别将针叶林与阔叶林进行细分；/n2)对在分类区域获取的遥感影像进行预处理；/n3)将进行预处理的遥感影像光谱中加入特征值，以增强特征差异性；/n4)建立BP神经网络的拓扑结构，所述拓扑结构包括第一层输入层、第二层隐含层和第三层输出层，得到需要优化的权值和阀值总数n；并且BP神经网络的权值和阀值进行初始化；/n5)对权值和阀值进行遗传算法优化；/n①设置遗传算法初始种群的个体数和繁衍次数，通过编码...

【技术特征摘要】
1.遗传算法优化的BP神经网络GF-2影像森林分类方法，其特征在于：包括以下步骤，
1)将分类区域地表植被分成三级；一级类型为林地与非林地，二级类型分为针叶林与阔叶林，三级类型根据分类区域地秒植被再分别将针叶林与阔叶林进行细分；
2)对在分类区域获取的遥感影像进行预处理；
3)将进行预处理的遥感影像光谱中加入特征值，以增强特征差异性；
4)建立BP神经网络的拓扑结构，所述拓扑结构包括第一层输入层、第二层隐含层和第三层输出层，得到需要优化的权值和阀值总数n；并且BP神经网络的权值和阀值进行初始化；
5)对权值和阀值进行遗传算法优化；
①设置遗传算法初始种群的个体数和繁衍次数，通过编码的方式将需要优化的n个权值和阀值转换成由n个数构成的数组即为—个个体；
②将种群初始化后，并且选出输出结果与期望结果之间的误差值更小的个体，再通过遗传算子得到拥有更小误差值的新一代；
③经过繁衍后得到最优个体，解码后得到n个误差最小的权值与阀值；
6)将遥感影像中的特征值输入到BP神经网络算法中，经过步骤5)中得到的权值加权后与步骤5)得到的阀值相加，之后通过激活函数映射的值即为下一层神经元对应节点hi的值；



式中Wji为第二层神经元第i个节点与第一层输入xj之间的权值，Ti为第二层第i个节点上的阈值，f为双极正切激活函数；


...

【专利技术属性】
技术研发人员：周璀，张智填，张贵，刘彦君，
申请(专利权)人：中南林业科技大学，
类型：发明
国别省市：湖南;43