文档介绍：遥感混合像元分解研究
答辩人:杨万宇
专业:水利水电工程
指导老师:付必涛
日期:2011年6月14日
研究背景综述
遥感器的空间分辨率和地物复杂多样致使混合像元存在
混合像元的存在是影响传统的像元级遥感分类和面积量测精度主要原因,所以有必要进行混合分解。
分解模型:线性模型、模糊模型、灰色相关模型、神经网络模型
本实验使用模型:BP神经网络模型
实验平台:MATLAB
BP网络
神经网络是人脑的某种抽象、简化和模拟
以神经元为结点,用加权有向弧连结而成
激活函数将节点收集到的输入作非线性变换得到输出
权值先初始化,再通过对网络进行训练学****修正得到
训练样本
训练样本(1)

网络不仅要掌握训练的用的学****样本所表现的非线性映射关系,更重要的是需要掌握蕴含于样本集中的难以用解析形式表达的知识。
训练样本(2)

P=R*T
P—样本输入向量(像元的每个波段灰度值)
T—样本输出向量(组分丰度)
R—端元光谱
实验--数据预处理(1)
实验数据为一400X400的TM影像
其中剔除第六波段
实验--数据预处理(2)
神经网络输入输出向量须一列对应一列,而本实验数据为ENVI导出的二维BSQ(按波段顺序)存储数据:
BSQ存储
18X3
实验--数据预处理(3)
编写函数将BSQ存储变为三维BIP存储,此方式也可把最后得到的输出结果转换为图层来显示提取的地物。 function y=BIP(x)
3X3X6
18X3
实验--数据预处理(4)
再将三维BIP转化为对应输入列的格式,最后再进行归一化
3X3X6
6X9
实验--数据归一化
MATLAB自带归一化函数:
[Pn,minp,maxp]=premnmx(P)
由于选择的样本集、测试集和分解影像数据的最大最小值不一定一样,所以同一像元数据归一化的数据可能不一样。
自写的归一化函数:
y(i,j)=(x(i,j)-0)/(255-0)