遥感影像分类是实现遥感影像地物信息提取的重要技术，也是遥感领域所研究的热点内容。中尺度的遥感影像如LANDSAT系列影像，具有覆盖面积广、易获取等特点，常常作为科学研究的基础数据。使用中尺度的遥感影像作为分类识别的数据源，可以获得较大范围的土地覆被结果。 BP神经网络是通过对大脑神经系统的简单抽象和模拟而构建的一种网络结构，该结构具有自适应、自组织和自学习的特点，能够实现数据的分布式存储以及并行的处理。独特的数据结构和强大的拟合能力，使得 BP 神经网络十分适合处理如图像分类等非线性问题。随着近年来相关理论的不断发展，BP神经网络在遥感影像分类领域取得了广泛的应用。实践证明，使用BP神经网络能够显著地提升遥感影像分类的精度。 但是，BP神经网络在实际应用中仍然存在着一些问题，比如对初始的权阈值敏感、容易陷入到局部最优解等。针对上述问题，本文使用布谷鸟搜索算法对 BP 神经网络进行优化，构建CSBP模型。对于标准布谷鸟搜索算法存在的后期收敛速度慢、求解精度不高的问题，采用自适应步长的策略进行改进，并使用ROSENBROCK函数检验改进算法的优化能力。为了验证布谷鸟搜索算法对 BP 神经网络的优化效果，分别使用传统的BP神经网络、经过标准布谷鸟搜索算法优化的BP神经网络和经过改进布谷鸟搜索算法优化的BP神经网络对覆盖稻城县辖区的LANDSAT 8遥感影像进行分类实验，并对三种算法的分类结果进行对比分析。发现了使用改进的布谷鸟搜索算法优化后的BP 神经网络进行遥感影像分类的总体分类精度是 88.3927%，Kappa 系数是0.8646。与原始BP神经网络和采用标准布谷鸟搜索算法优化的BP神经网络相比，分类精度分别提高了9.42%和1.58%。
展开▼
