lemonwumiao的博客

神经网络是近年来受到国内外广泛关注的高新技术，不同科学的科技人员对其进行了深入的研究，并取得了许多有价值的研究成 果，利用BP网络实现图像质量评价，选取图像的几个特征向量作为BP网络的输入。一般BP的输入都是数值组成的。文中提出的用BP神经网 络作图像识别的方法，不对图像作特征提取，直接把图像数据作为神经网络识别器的输入。文章最后用Python完成了网络的训练与测试，并 给出了试验结果。结果表明，不作特征提取的神经网络图像识别系统具有很强的抗干扰能力。

针对高光谱数据维数高、数据量大、信息冗余多、波段相关性强等特点，在综合各种数据降维方法的基础 上，提出一种基于最佳波段组合的高光谱遥感影像分类方法。以美国印第安纳州地区的 AVIＲIS 数据为例，分析 各波段信息量和相邻波段的相关性，利用子空间划分、分段波段指数选择法，进行特征波段的选择; 并针对难区 分地物类别，应用 J － M 距离模型对其可分性进行判别，获得最佳波段组合。最后采用支持向量机分类器进行分 类。实验结果表明，采用最佳波段组合方法，可以有效地提高高光谱的分类精度。

冰川被认为是气候变化的最好指示器和存储器。冰川也与海平面变化、淡水 资源供给、自然灾害及地貌演化等有密切关系。在全球气候变暖的背景之下，中 国西部地区的绝大部分冰川处于退缩状态，世纪年代以来冰川退缩呈现加 剧趋势，直接影响到冰川补给河流的径流变化，这势必对中国西部尤其是千旱地 区的可持续发展带来极大影响。

文章论述了21世纪中国地质灾害减灾面临的形势是既存在许多有利条件又存在多方面困难而面临严重挑战。 提出21世纪地质灾害减灾战略: 1.建立地质灾害防治安全维护体系; 2.优先安排西部地区地质灾害防治工程,实 施地质灾害风险管理; 3.建立矿山地质灾害防治监督管理体系; 4.城市地质灾害防治与土地利用相结合; 5.加强 我国地质环境监测与网站建设; 6.针对地质灾害区域分布规律,采取分区减灾对策; 7.加大地质灾害防治投入力 度。

与中低分辨率影像相比，在高分辨率影像上，除了具有丰富的光谱特征外，地物的 结构、形状和纹理等空间细节特征更丰富 [3] ，随着空间分辨率的提高，使地面上相同面 积对应在影像上的像元数目也随之增加，因此基于传统像元分类的效率被限制。另外， 传统基于像元的分类方法，主要依据像元反映的光谱特征统计值进行分类 [4] ，分类过程 中很大程度地忽略了区域的纹理、结构、形状、以及与邻近像元的关系等特征，会导致 分类精度降低 [5] 。而且，高分辨率影像的像元之间存在较强的异质性，传统基于像元分 类方法的结果图中，更容易出现“椒盐噪声”，影响分类精度，后期需要投入大量的人 力和时间进行后处理，代价过大。尽管，有学者将模糊集和神经网络等技术应用于传统 基于像元的分类方法中，实验结果也证明了这样可以在一定程度上可以提高分类的精度 [6] [7] 。尽管如此，影像中的纹理、形状和上下文等特征在分类过程中的应用仍受到很大 的限制 [8] ，这些特征对于地物的分类和提取来说往往又比较重要。

面向对象分类方法是适合于高空间分辨率影像信息提取的技术之一，主要包括最邻 近和隶属度函数两种分类方法，具有小样本和高维特征的特点。其中，面向对象隶属度 函数的模糊分类更是适合于研究范围较大影像区域。实际应用隶属度函数分类时，一般 是针对研究区遥感影像的特点，根据经验知识，人为的分析和尝试极少量的特征，以分 类结果好坏决定是否选用该特征。显然这种方式具有一定的主观性和盲目性，缺乏科学 性和实用性，选取的特征难以保证分类的精度与速度。本文依托“十二五”计划中“高 分数据土地利用要素快速提取技术”课题，针对隶属度分类的特征选择进行了以下研究。

面向对象分类方法是适合于高空间分辨率影像信息提取的技术之一，主要包括最邻 近和隶属度函数两种分类方法，具有小样本和高维特征的特点。其中，面向对象隶属度 函数的模糊分类更是适合于研究范围较大影像区域。实际应用隶属度函数分类时，一般 是针对研究区遥感影像的特点，根据经验知识，人为的分析和尝试极少量的特征，以分 类结果好坏决定是否选用该特征。显然这种方式具有一定的主观性和盲目性，缺乏科学 性和实用性，选取的特征难以保证分类的精度与速度。本文依托“十二五”计划中“高 分数据土地利用要素快速提取技术”课题，针对隶属度分类的特征选择进行了以下研究。