OALib Journal期刊
基于纹理特征神经网络模型的鲁朗河流域地类信息提取研究
DOI: 10.3969/j.issn.1001-8395.2015.05.023
Keywords: 纹理特征 ,神经网络 ,影像分类 ,森林信息 ,鲁朗河流域
Abstract:
基于纹理特征的神经网络模型分别对西藏林芝地区鲁朗河流域的4期TM影像进行了地类信息提取及动态变化分析.研究表明模型的训练值、验证值和测试值的精度都达到了0.9,总体回归系数为0.93,地类分类精度可达到86.07%,可满足生产工作的需要.1987—1999年间鲁朗河流域混交林面积有所减少,而针叶林面积有所增加;1999—2008年间,混交林面积有所增加,但林地面积呈减少趋势.2008—2011年间,灌木、草地、流石滩及冰雪区均呈逐年增长趋势,林地面积有所降低.
References
[1] 李强,王正志. 基于MRF 模型和人工神经网络的遥感图像分类综合方法研究[J]. 国防科技大学学报,1999,21(1):62-66. [2] 骆剑承,周成虎,杨艳,等. 人工神经网络遥感影像分类模型及其与知识集成方法研究[J]. 遥感学报,2001,5(2):122-129. [3] 杨存建, 魏一鸣, 陈德清,等. 基于遥感的洪水灾害承灾体神经网络的提取方法探讨[J]. 灾害学,1998,13(4):1-6. [4] Abdelgadir A A, Sucharita G, James R I, et al. Classification of a SARS data using a neural network[J]. Remote Sensing of Environment,1996,57:79-87. [5] Hepner G F, Logan T, Ritter N, et al. Artificial neural network classification using minimal training set[J]. Photogra Engnn Remote Sensing,1990,56:469-473. [6] Tkinson P M A, Tatnall A R L. Introduction neural networksin remote sensing[J]. Int J Remote Sensing,1997,18(4):699-701. [7] 杨小林,崔国发,任青山,等. 西藏色季拉山林线植物群落多样性格局及林线的稳定性[J]. 北京林业大学学报,2008,30(1):14-19. [8] 任德智,任毅华,卢杰,等. 色季拉山区鲁朗河流域植被覆盖度遥感估算研究[J]. 西北林学院学报,2012,27(2):184-189. [9] 中国科学院. 中国科学院计算机网络信息中心国际科学数据服务平台[DB/OL]. http:// datamirror.csdb.cn. [10] 宁顺刚,白万民,喻钧,等. 基于灰度共生矩阵的图像分割方法研究[J]. 电子科技,2009(11):69-71. [11] 姜良美,王芳,肖志坤,等. 基于纹理特征的微山湖湿地信息提取研究[J]. 湖南科技大学学报:自然科学版,2011,26(4):68-72. [12] 冯建辉,杨玉静. 基于灰度共生矩阵提取纹理特征图像的研究[J]. 北京测绘,2007(3):19-22. [13] 韩学锋,徐欢. 基于高分辨遥感林分面积提取方法研究[J]. 天津职业学院联合学报,2011(2):55-58. [14] 焦蓬蓬,郭依正,刘丽娟,等. 灰度共生矩阵纹理特征提取的Matlab实现[J]. 计算机技术与发展.2012,22(11):169-175. [15] 汪友生,吴涣涣,胡百乐,等. 基于灰度共生矩阵的动脉斑块图像特征分析[J]. 电子测量技术2012,35(2):55-58 [16] 张月琴,胡斌. 基于遗传神经网络的图像分割[J]. 电脑开发与应用2010,24(2):16-18.
Full-Text
Contact Us
service@oalib.com
QQ:3279437679
WhatsApp +8615387084133
