BP神经网络在土地分类中的应用研究-以汶川地区为例

摘要

最大似然分类方法进行遥感影像分类时要求数据服从正态分布并且要求训练样区所提供的判别资料与一定的地物相对应，则计算机便将满足该类条件的像元识别为与训练样区相一致的地物，如此完成对整幅图像的处理，但是其存在分类精度低的缺点。而BP网的分类原理是目前应用于遥感图像分类较成功、较成熟的神经网络模型，用BP神经元网络算法进行遥感影像分类，可以在一定程度上消除传统的遥感影像分类带来的模糊性和不确定性，因此BP神经网络学习算法可以更好的提高分类模板的精度。本论文综合运用最大似然分类方法和BP神经网络分类对汶川地区进行土地分类与信息提取，并对最大似然分类方法与BP神经网络在土地分类中的精度进行比较,结果表明，BP神经网络方法优于最大似然分类方法。