基于松弛因子的快速独立分量分析算法的遥感图像分类技术

摘要：

多光谱遥感图像反映了不同地物的光谱特征,其分类是遥感应用的基础.独立分量分析算法利用了信号的高阶统计信息,对于多光谱遥感图像而言,算法去除了波段图像之间的相关性,获得的波段图像是相互独立的.但是独立分量分析算法有一个缺点,即计算量太大,影响了在多光谱遥感图像分类上的应用.M-FastICA算法同FastICA算法一样,它们的收敛依赖于初始权值的选择.通过在M-FastlCA算法中引入松弛因子,使算法可以实现大范围收敛,得到更稳定的收敛效果.应用BP神经网络对独立分量分析算法预处理后的图像进行自动分类,其分类精度较原始遥感图像的精度均高,并且三种独立分量分析算法的分类性能也相当.

关键词：独立分量分析、FastICA LM-FastICA、遥感图像分类、BP神经网络

所属期刊栏目：41

分类号：TP75(遥感技术)

资助基金：江苏省南京市科技局基金99311

在线出版日期：2005-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：84-86