高分辨率遥感影像面向对象神经网络分类方法技术

高分辨率遥感影像面向对象神经网络分类方法，涉及高分辨率遥感影像面向对象神经网络分类方法。它为了解决传统的遥感影像分类方法分类精度低以及不能有效地利用遥感传感器所有波段信息问题。本方法步骤为：步骤一、高空间分辨率传感器拍摄地面的影像，并将该影像发送至计算机；步骤二、计算机采用区域增长算法对输入影像进行像元级初步分割；步骤三、将初步分割后影像根据连续的设定的异质度阈值、图像的光谱特征和形状特征进行多尺度分割，形成不同尺度的分割影像；步骤四、获得的不同尺度的分割影像建立BP神经网络、设置训练参数、建立训练样本对多尺度分割的影像进行分类，获得高分辨率影像。本发明专利技术适用于高空间分辨率的影像获取领域。

【技术实现步骤摘要】

本专利技术涉神经网络分类方法，具体涉及。
技术介绍
在遥感影像的自动识别分类中，传统的分类方法对于高空间分辨率的影像并不适用，因为在分类的过程中，会产生一种“椒盐现象”，使分类的精度降低。对于高空间分辨率的遥感影像自动识别分类，国内外大多采用一种面向对象的分类方法，该方法先对影像进行多尺度分割，在多尺度分割的基础上进行模糊分类或监督分类，这种面向对象的自动识别分类，对地物与影像上的灰度值呈现线性关系时，精度较高，但是当待分类的地物与影像上的灰度成非线性关系的时候，该方法的精度较低；另外随着传感器的光谱分辨率的提高，波段增加，该方法并不能有效地利用遥感传感器所有波段的信息。
技术实现思路
本专利技术为了解决传统的遥感影像分类方法分类精度低，以及不能有效地利用遥感传感器所有波段的信息的问题，从而提出了。，它包括下述步骤步骤一、高空间分辨率传感器拍摄地面的影像，并将该影像发送至计算机；步骤二、计算机采用区域增长算法对输入影像进行像元级的初步分割；步骤三、将步骤二初步分割后的影像根据连续的设定的异质度阈值、图像的光谱特征和形状特征进行多尺度分割，形成不同尺度的分割影像；步骤四、根据步骤三获得的本文档来自技高网...

【技术保护点】
高分辨率遥感影像面向对象神经网络分类方法，其特征在于，它包括下述步骤：步骤一、高空间分辨率传感器拍摄地面的影像，并将该影像发送至计算机；步骤二、计算机采用区域增长算法对输入影像进行像元级的初步分割；步骤三、将步骤二初步分割后的影像根据连续的设定的异质度阈值、图像的光谱特征和形状特征进行多尺度分割，形成不同尺度的分割影像；步骤四、根据步骤三获得的不同尺度的分割影像建立BP神经网络、设置训练参数、建立训练样本对多尺度分割的影像进行分类，获得高分辨率影像，步骤四一、建立BP神经网络模型：建立BP神经网络模型，训练样本总数为W个，隐层的节点数公式为：n=ni+n0+a---(1)其中：W为正整数，n为...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘丹丹，张玉娟，王强，刘江，
申请(专利权)人：黑龙江工程学院，
类型：发明
国别省市：