基于KMNF和BP神经网络的高光谱遥感影像分类  

Hyperspectral image classification on KMNF and BP neural network

作　　者：林娜[1,2] 杨武年[2] 王斌[3] 

机构地区：[1]重庆交通大学土木建筑学院,重庆400074 [2]成都理工大学地学空间信息技术国土资源部重点实验室,四川成都610059 [3]重庆市地理信息中心,重庆401121

出　　处：《计算机工程与设计》2013年第8期2774-2777,2782,共5页Computer Engineering and Design

基　　金：国家自然科学基金项目(41071265);高等学校博士学科点专项科研基金项目(20105122110006);重庆市自然科学基金项目(cstc2012jjA40055);国土资源部地学空间信息技术重点实验室开放基金项目(KLGSIT2013-03)

摘　　要：为了对高维非线性的高光谱影像进行降维及信息提取,提出了高光谱影像核最小噪声分离变换(kernel minimumnoise fraction,KMNF)特征提取后利用BP神经网络分类的方法。以高光谱影像KMNF特征提取后的前几个特征分量作为BP神经网络的输入,进行BP神经网络分类,并与单独的高光谱影像BP神经网络分类进行比较。美国内华达州CU-PRITE矿区AVIRIS数据的实验结果表明,基于KMNF和BP神经网络的高光谱影像分类较单独BP神经网络分类总体精度及时间性能均得到提高。To reduce dimension and extract information of hyperspectral images,a hyperspectral imaging BP neural network classification method after kernel minimum noise fraction（KMNF） transformation is presented.First few feature vectors of KMNF is regarded as BP neural network inputs and then hyperspectral images are classified by BP,and it is compared with single BP neural network classification.CUPRITE Nevada USA AVIRIS data experimental results show that hyperspectral image KMNF and BP neural network classification overall accuracy increases and performs quicker compared with single BP neural network classification.

关 键 词：高光谱遥感 核最小噪声分离变换 核方法 BP神经网络 分类 

分 类 号：TN911.73[电子电信—通信与信息系统]