基于RBF人工神经网络的遥感图像校正算法

基于RBF人工神经网络的遥感图像校正算法

ID:36805677

大小:312.12 KB

页数:4页

时间:2019-05-15

基于RBF人工神经网络的遥感图像校正算法_第1页
基于RBF人工神经网络的遥感图像校正算法_第2页
基于RBF人工神经网络的遥感图像校正算法_第3页
基于RBF人工神经网络的遥感图像校正算法_第4页
资源描述:

《基于RBF人工神经网络的遥感图像校正算法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第")卷第$期遥感技术与应用wxyM")zxM$"##$年)"月5nop;n?nq?rq8;n9sqptp8u=qv=::tr9=;rpq

2、m}M"##${{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{基于123人工神经网络的遥感图像校正算法廉明/赵淑清*北京化工大学信息科学与技术学院/北京)###"+.摘要!遥感图像的几何校正是阻碍其应用的瓶颈问题0遥感图像的几何校正函数是一个非线性4不确定的复杂函数/难以用精确的数学模型来表达问题/对此提出了

3、一种基于567人工神经网络和地面控制点*89:.相结合的遥感图像几何校正算法0该算法利用567网络能以任意精度逼近任意函数的特性/模拟地表空间分布这一复杂的非线性函数0该算法原理简单/易于实现/是一种实用4可行的遥感图像几何校正算法0关键词!遥感图像几何校正(567神经网络(地面控制点中图分类号!;:&<)文献标识码!=文章编号!)##’%#>">*"##$.#$%#<<"%#’是全局的/而567神经网络的隐层单元的激活函数)引言是局部的/克服了6:神经网络收敛速度慢和易陷当今社会是一个信息化的时代/遥感图像作为入局部极小等缺

4、点0当输入节点靠近隐层高斯核函信息的一种主要媒介被广泛应用于生产4生活4地质数中央范围时/隐层神经元产生较大输出/因而说明研究和军事等各个领域0在遥感成像过程中/由于各567神经网络具有较强的局部泛化能力0种因素的影响/使得遥感图像存在一定的几何失真0Q)PP从理论上讲/几何失真是由平台位置误差4目标相对PQ"P高度估计误差和信号处理误差产生的0所谓?=5图PPPSOPPP像的几何校正*@ABCADEFGGBEEAGDFBH或@ABCADEFGOOPPOQROEAGDFIFGJDFBH.则是对失真投影进行重采样使之成为PPPO

5、新的适于科学分析和解读的高质量图像/实际上是P图像后处理的一个步骤K)L0本文利用567人工神经输入层隐层输出层网络和地面控制点*89:.相结合的校正方法/较好图T123神经网络的结构的解决了遥感图像的几何校正问题03UVMT123WXYZ[WX]^_Z‘a]ZYb]YZX"567神经网络567网络中/输入层节点实现从cPde*c.的非线性映射/隐层节点*亦称567节点.由像高斯核567网络的基函数不仅径向对称/而且具有良函数那样的辐射状作用函数组成/而输出层节点通好的光滑性和任意阶导数/便于理论分析0理论上已经证明对于一个

6、给定的非线性函数/567网络可以常是简单的线性函数0de*c.为选取的基函数/最常用的567基函数是高斯基函数/它是一种局部分任意准确度逼近它/该网络具有全局最优和最佳逼布4径向对称于中心点衰减的非负非线性函数/即!近性能K"L0567网络由?M9NAH于)++#年首次提出/"是一种具有>层结构的前向神经网络/包括一个输入hc-ihhc-iehe-dfm"*).e*c.fgej层4一个径向基层4一个输出层/径向基层通常采用kjlee高斯核函/而输出层为径向基层神经元输出的线其中!i是第e个基函的中心点/j是一个可以ee性叠加0

7、在6:神经网络中/其隐层单元的激活函自由选择的参/它决定了该基函围绕中心点的收稿日期!"##$%#&%"’(修订日期!"##$%)#%)$作者简介!廉明*)+,)-./男/硕士研究生/研究向为遥感图像处理0第q期廉明等9基于678人工神经网络的遥感图像校正算法33K宽度!"#$%&"是向量#’%&的范数!表示#和%&图像中每个像素的位置是由其在#$R平面的之间的距离!(是一个径向对称的函数!它在%处横坐标和纵坐标所决定的*如果定义/D为目标&&)!:)0有一个唯一的最大值!随着"#$%的增大!(迅速图像中一个像素点在#$R平面

8、上的坐标值*同时&"&衰减到)*对于给定的输入#+,-!只有一部分中心定义/D为对应的该像素点在源图像中的坐标5!:50靠近#的处理单元被激活*值*现在的任务就是找到一个合适的函数S!使其满由于为高斯函数!因而对任意均有足条件/D那么实际上所要完成的.&/#0#5!:50;S/D)!:)0*.&/#01)!从而失去调整权值的优点*而事实上当主要任务就是运用678神经网络构造函数S*#远离%&时!.&/#0已非常小!因此可作为)对待*因原始图像此实际上只有当.大于某一数值/例如)2)30时&/#0T才对相应的权4值进行修改*经这

9、样处理后6785&提取LMN神经网络也同样具备局部逼近网络学习收敛快的优点*T训练678神经网选用上述高斯基函数后!不仅使网络表示形式简单!而且由于该基函数解析性好!因而便于对网络T图像重构进行理论分析*但高斯基函数具有正定性!而不具备紧密性!这是该基函数的一个主要缺点*程序

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。