投影寻踪学习网络的遥感影像分类

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

投影寻踪学习网络的遥感影像分类

严勇, 李清泉, 孙久运

文章导航 > 武汉大学学报 ( 信息科学版) > 2007 > 32(10): 876-879

严勇, 李清泉, 孙久运. 投影寻踪学习网络的遥感影像分类[J]. 武汉大学学报 ( 信息科学版), 2007, 32(10): 876-879.

引用本文:

严勇, 李清泉, 孙久运. 投影寻踪学习网络的遥感影像分类[J]. 武汉大学学报 ( 信息科学版), 2007, 32(10): 876-879.

YAN Yong, LI Qingquan, SUN Jiuyun. Classification of RS Image Using Projection Pursuit Learning Network[J]. Geomatics and Information Science of Wuhan University, 2007, 32(10): 876-879.

Citation:

YAN Yong, LI Qingquan, SUN Jiuyun. Classification of RS Image Using Projection Pursuit Learning Network[J]. Geomatics and Information Science of Wuhan University, 2007, 32(10): 876-879.

投影寻踪学习网络的遥感影像分类

¹ 武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号,430079² 苏州科技学院城市与环境学系,苏州市新区滨河路1701号,215011³ 中国矿业大学环境与测绘学院,徐州市三环南路,221008

基金项目: 国家自然科学基金资助项目(40271093,40401051)。

作者简介:
严勇,讲师,博士。现主要从事地理信息系统、空间数据处理研究。

中图分类号: P208;P237.4

Classification of RS Image Using Projection Pursuit Learning Network

¹ State Key Laboratory for Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, 129 Luoyu Road, Wuhan 430079, China² Department of Urban and Environment, University of Science and Technology of Suzhou, 1701 Binhe Road, Suzhou 215011, China³ College of Environment and Spatial Informatics, China University of Mining and Technology, South Sanhuan Road, Xuzhou 221008, China

Funds: 国家自然科学基金资助项目(40271093,40401051)。

摘要: 采用投影寻踪(projection pursuit,PP)学习网络方法建立了一种新的遥感影像分类模型。该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能,具有简捷的网络结构和良好的鲁棒性能。利用苏州市TM影像进行了分类实验,将分类结果与BP神经网络和最大似然法的分类结果相比较,投影寻踪学习网络的分类精度较高,具有一定的实用性。
- 投影寻踪学习网络 /
- 人工神经网络 /
- 遥感图像分类
Abstract: Using projection pursuit learning network (PPLN), a new classification for remote sensing image is proposed. The PPLN algorithm integrates the advantage of artificial neural network (ANN) with nonparametric statistical technique, projection pursuit algorithm (PP), which is capable of providing less network neurons and good robustness. In this study, the structure and improved learning algorithm of PPLN is introduced in detail. Using the TM image of Suzhou, an experiment of classification is done and the classification precision is superior to that of BP neural network and conventional maximum-likelihood.
- projection pursuit learning network /
- artificial neural network /
- classification of remote sensing image

[1]	郭从洲, 李可, 李贺, 童晓冲, 王习文. 遥感图像质量等级分类的深度卷积神经网络方法 . 武汉大学学报 ( 信息科学版), 2022, 47(8): 1279-1286. doi: 10.13203/j.whugis20200292
[2]	周访滨, 邹联华, 刘学军, 孟凡一. 栅格DEM微地形分类的卷积神经网络法 . 武汉大学学报 ( 信息科学版), 2021, 46(8): 1186-1193. doi: 10.13203/j.whugis20190311
[3]	毛琳, 陈思宇, 杨大伟. 引导式的卷积神经网络视频行人动作分类改进方法 . 武汉大学学报 ( 信息科学版), 2021, 46(8): 1241-1246. doi: 10.13203/j.whugis20190101
[4]	许珊, 邹滨, 王敏, 刘宁. PM_2.5浓度空间估算的神经网络与克里格方法对比 . 武汉大学学报 ( 信息科学版), 2020, 45(10): 1642-1650. doi: 10.13203/j.whugis20180482
[5]	李平湘, 刘致曲, 杨杰, 孙维东, 黎旻懿, 任烨仙. 利用随机森林回归进行极化SAR土壤水分反演 . 武汉大学学报 ( 信息科学版), 2019, 44(3): 405-412. doi: 10.13203/j.whugis20160531
[6]	葛芸, 江顺亮, 叶发茂, 许庆勇, 唐祎玲. 基于ImageNet预训练卷积神经网络的遥感图像检索 . 武汉大学学报 ( 信息科学版), 2018, 43(1): 67-73. doi: 10.13203/j.whugis20150498
[7]	梁勇, 杨磊, 吴秋兰, 洪学宝, 汉牟田, 杨东凯. 地表粗糙度影响下的GNSS-R土壤湿度反演仿真分析 . 武汉大学学报 ( 信息科学版), 2018, 43(10): 1546-1552. doi: 10.13203/j.whugis20160557
[8]	黎曦, 郑宏, 刘操. 利用HSI色彩空间的PCNN人脸识别方法 . 武汉大学学报 ( 信息科学版), 2014, 39(12): 1499-1503.
[9]	许凯, 秦昆, 刘修国, 李登朝. 泛概念层次构建方法及其在遥感图像分类中的应用 . 武汉大学学报 ( 信息科学版), 2013, 38(9): 1078-1082.
[10]	赵建虎, 周丰年, 张红梅, 王胜平. 基于自组织神经网络的声速剖面分类方法研究 . 武汉大学学报 ( 信息科学版), 2007, 32(2): 164-167.
[11]	唐秋华, 周兴华, 丁继胜, 刘保华. 学习向量量化神经网络在多波束底质分类中的应用研究 . 武汉大学学报 ( 信息科学版), 2006, 31(3): 229-232.
[12]	徐艳芳, 刘文耀, 武兵, 黄敏. 人工神经网络在色彩变换中的应用 . 武汉大学学报 ( 信息科学版), 2006, 31(9): 799-801.
[13]	马洪超, 郭丽艳. 人工神经网络信息融合及其在机场识别中的应用研究 . 武汉大学学报 ( 信息科学版), 2005, 30(8): 682-684.
[14]	王建梅, 覃文忠. 基于L-M算法的BP神经网络分类器 . 武汉大学学报 ( 信息科学版), 2005, 30(10): 928-931.
[15]	哈斯巴干, 马建文, 李启青, 戴芹. 多波段遥感数据的自组织神经网络降维分类研究 . 武汉大学学报 ( 信息科学版), 2004, 29(5): 461-465. doi: 10.13203/j.whugis2004.05.019
[16]	罗红霞, 龚健雅. UFCLS线性光谱混合分析法在遥感图像分类识别中的效果分析 . 武汉大学学报 ( 信息科学版), 2004, 29(7): 615-618.
[17]	胡耀垓, 李伟, 胡继明. 一种改进激活函数的人工神经网络及其应用 . 武汉大学学报 ( 信息科学版), 2004, 29(10): 916-919.
[18]	肖平, 李德仁. 基于人工神经元网络技术的土地利用/覆盖变化探测 . 武汉大学学报 ( 信息科学版), 2002, 27(6): 586-590.
[19]	梁益同, 胡江林. NOAA卫星图像神经网络分类方法的探讨 . 武汉大学学报 ( 信息科学版), 2000, 25(2): 148-152.
[20]	邓跃进, 王葆元, 张正禄. 边坡变形分析与预报的模糊人工神经网络方法 . 武汉大学学报 ( 信息科学版), 1998, 23(1): 26-31.

WeChat

点击查看大图

计量

文章访问数: 727
HTML全文浏览量: 55
PDF下载量: 339
被引次数: 0

投影寻踪学习网络的遥感影像分类

¹ 武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号,430079² 苏州科技学院城市与环境学系,苏州市新区滨河路1701号,215011³ 中国矿业大学环境与测绘学院,徐州市三环南路,221008

基金项目: 国家自然科学基金资助项目(40271093,40401051)。

作者简介:
严勇,讲师,博士。现主要从事地理信息系统、空间数据处理研究。

收稿日期: 2007-08-15
修回日期: 2007-08-15
刊出日期: 2007-10-05

中图分类号: P208;P237.4

关键词:

投影寻踪学习网络 /

人工神经网络 /

遥感图像分类

摘要: 采用投影寻踪(projection pursuit,PP)学习网络方法建立了一种新的遥感影像分类模型。该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能,具有简捷的网络结构和良好的鲁棒性能。利用苏州市TM影像进行了分类实验,将分类结果与BP神经网络和最大似然法的分类结果相比较,投影寻踪学习网络的分类精度较高,具有一定的实用性。

English Abstract

严勇, 李清泉, 孙久运. 投影寻踪学习网络的遥感影像分类[J]. 武汉大学学报 ( 信息科学版), 2007, 32(10): 876-879.

引用本文:

严勇, 李清泉, 孙久运. 投影寻踪学习网络的遥感影像分类[J]. 武汉大学学报 ( 信息科学版), 2007, 32(10): 876-879.

YAN Yong, LI Qingquan, SUN Jiuyun. Classification of RS Image Using Projection Pursuit Learning Network[J]. Geomatics and Information Science of Wuhan University, 2007, 32(10): 876-879.

Citation:

YAN Yong, LI Qingquan, SUN Jiuyun. Classification of RS Image Using Projection Pursuit Learning Network[J]. Geomatics and Information Science of Wuhan University, 2007, 32(10): 876-879.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码