基于纹理信息提取与神经网络分类方法的
遥感影像分类
目录
1 实验目的 (3)
2 实验原理 (3)
基本概念 (3)
原理阐述 (4)
技术路线 (7)
3、实验设备与数据与研究区域 (7)
4、实验过程 (8)
4.1 数据预处理 (8)
4.1.1 数据裁剪 (8)
4.1.2 辐射校正（包括辐射定标和大气校正） (8)
4.2 数据融合 (10)
4.3 训练样区的选择 (11)
4.3.1打开Google Earth影像作为训练样区选择的参照 (11)
4.3.2 建立兴趣区 (12)
4.3.3 训练样区的选择 (13)
4.3.4 训练样区的评价 (14)
4.4 基于光谱信息的神经网络分类 (14)
4.5 分类后处理 (18)
4.6 分类精度分析 (19)
4.7 基于光谱信息和纹理信息的神经网络分类 (20)
4.8 实验结果与评价 (25)
参考文献 (26)
基于纹理信息提取与神经网络分类方法的
遥感影像分类
1 实验目的
1、通过深入研究遥感影像纹理信息的提取原理与方法，针对研究区影像特征，掌握纹理信息对提高影像分类精度的重要作用。
2、了解ENVI中基于神经网络的影像监督分类方法原理，采用纹理信息与神经网络分类相结合的方式，对研究区影像进行分类，与无纹理信息的分类结果进行对比与评价。
3、进一步熟悉影像神经网络分类的原理和方法、训练区选取、分类后处理方法等操作，并根据研究区实际情况进行分类后评价。
2 实验原理
基本概念
神经网络指用计算机模拟人脑的结构，用许多小的处理单元模拟生物的神经元，用算法实现人脑的识别、记忆、思考过程应用于图像分类。
神经网络算法是用计算机模拟人类学习的过程, 建立输入和输出数据之间联系的方法。神经网络分类器在遥感影像分类领域得到了普遍的关注。国内外学者发展了多种形式的神经网络模型和算法, 如反向传播网络、模糊神经网络、多层感知网络、Kohonen自组织特征映射网络、Hybrid学习向量分层网络等。网络的输入和输出节点之间通过隐含层相连, 节点之间通过权重连接, 因而这种方法可以将多种数据, 如纹理信息、地形信息等, 方便有效地融合到遥感影像的分类过程中, 增强了分类能力。神经网络是非线性系统, 可以在特征空间构造出分类界面比较复杂的子空间, 因此对非线性可分的特征子空间尤为有效。但是, 神经网络也存在一定的缺点, 如初始权重选择的困难、收敛速度慢、对输入数据的预处理要求高等, 对遥感影像分类结果有重要影响。
目前, 应用和研究最多的是利用反向传播算法( BP算法)训练权值的多层前馈神经网络。该网络的学习训练过程由正向传播和反向传播组成, 在正向传播过程中, 输入信息从输入层经隐含层逐层处理, 并传向输出层,若在输出层得不到期望的输出, 则输入反向传播, 将误差信号沿原路返回, 通过修改各层神经元间的权值, 达到误差最小。一般说来, 隐含层
数目和隐含层结点数难以确定, 增加隐含层数目和结点数, 可以提高精度, 且有效地减少局部极小的概率, 但是需要更长的学习时间。神经网络由于具有较强的非线性逼近能力及自适应、自学习能力, 因此可以处理难以用数学模型描述的系统。对于一个特定的问题,通常很难判断哪种网络是最有效的, 因为对于网络类型的选择取决于很多因素, 包括问题的复杂程度以及所研究问题的性质、训练样本的多少、网络的结构、权值和偏置值的数目、误差目标、参数取值等。实际应用中, 一般要根据具体问题,对几种网络进行比较, 选择较为合适的算法。
原理阐述
人工神经网络（Artificial Neural Networks，ANNs），有时也称为计算机神经网络（Computational Neural Networks，CNNs），试图模仿生物神经网络的特点，用以解决一
此神经元网络技术利用该方法对发生的事件进行学习。在学习过程中，误差在网络中后向传播，同时使用递归法调整权重。也可以使用神经元网络来进行一个非线性分类。
技术路线
3、实验设备与数据与研究区域
硬件：计算机
软件:Arcgis 10.2 、 ENVI5.1
数据： Landset 8影像、福州市shp文件
Landset8数据（成像时间：2013年8月4日2点34分；行列号为119，42；云量覆盖度为1.21%）
传感器：OLI（Operational Land Imager ，陆地成像仪）
TIRS
OLI陆地成像仪
序号波段（um）空间分辨率
（m）
1 0.433-0.453 30
2 0.450-0.515 30
3 0.525-0.600 30
4 0.630-0.680 30
5 0.845-0.885 30
6 1.560-1.660 30
7 2.100-2.300 30
8 0.500-0.680 15
9 1.360-1.390 30
TIRS热红外传感器
10 10.6-11.2 100
11 11.5-12.5 100
地成像仪（OLI）包括9个波段，空间分辨率为30米，其中包括一个15米的全色波段；热红外传感器（TIRS）包括2个热红外波段，空间分辨率为100米。
研究区域：
福州市为福建省省会城市，位于福建省东部、闽江下游沿岸。介于北纬25°15′～26°39′，东经118°08′～120°31′之间。东濒台湾海峡，西邻南平市和三明市，南接莆田市，北靠宁德市。福州是属于典型的海洋性亚热带季风气候，全年冬短夏长，温暖湿润，气候适宜。福州市的地貌属于典型的河口盆地，是城市中心的发源地。实验中以福州市的5区（台江区、仓山区、鼓楼区、马尾区和晋安区）为例，不包括琅岐岛。
4、实验过程
4.1 数据预处理
4.1.1 数据裁剪
利用shp文件对遥感影像进行裁剪
4.1.2 辐射校正（包括辐射定标和大气校正）
A．辐射定标
