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

编号 zgly0000375151

文献类型 期刊论文

文献题名 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

作者 王小敏  曾生根  夏德深 

作者单位 南京理工大学计算机系603教研室 

母体文献 计算机工程与应用 

年卷期 2005,41(7)

页码 84-86

年份 2005 

分类号 TP75 

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

文摘内容 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-FastICA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。