BP神經網絡在遙感影像波段擬合中的應用

王小飛汪建光袁于評

(1.浙江省測繪科學技術研究院,浙江 杭州310012;2.浙江省測繪與地理信息學會,浙江 杭州310012)

0 引 言

目前,傳統的研究波段擬合方法主要有光譜坐標轉換法[1]、加權法[2]、均值法、不確定參數法[3]及線性回歸法[4]等,這些方法基本都基于波段間存在的線性關系,模型也過于簡單,尤其是加權法和均值法只是經驗值的四則運算,而沒有考慮到波段之間關系,因此模擬出的真彩色顏色畸變較大,合成彩色影像在視覺上整體偏差,合成效果一般。

針對傳統方法的不足,本文以ETM和SPOT遙感數據作為研究對象,從波段間非線性關系出發,借助BP神經網絡模型,經反復嘗試實現了SPOT遙感影像藍光波段擬合,所合成的彩色影像效果較為理想,為遙感影像波段擬合提供了實用的方法和實現路徑。

1 試驗過程

本文基本思路為:將ETM和SPOT兩個傳感器多光譜波段以及相應帶寬設置非常相(表1),利用BP神經網絡非線性擬合能力,通過對ETM數據進行不斷學習優化,構建最佳BP神經網絡模型。利用驗證數據進行精度評定,確認無誤后再利用該模型進行SPOT藍光波段擬合(圖1)。

1.1 試驗數據

本文選取2007年夏季時段上海同一地區的ETM和SPOT兩種遙感數據。其中ETM數據作為樣本數據,是BP網絡模型的輸入層數據。SPOT數據則是該模型的利用數據,用于藍光擬合并合成真彩色影像。

1.2 研究平臺

本文采用Matlab語言平臺,通過調用BP神經網絡函數包,在訓練過程中實施過程監聽以及時調整網絡參數,從而實現高效的樣本訓練過程(學習過程),得出一個優化的BP網絡模型用于擬合目標波段(藍光波段)。本文采用較為基礎的3層結構的BP網絡,即輸入層、隱含層和輸出層。

表1 ETM與SPOT對應的波段范圍/um

圖1 利用BP神經網絡擬合藍光流程圖

1.3 處理流程

1.3.1 數據預處理

由于BP網絡的輸入層數據要求為向量形式,需要對ETM數據進行矩陣轉向量處理,同時為確保BP網絡能更快收斂,有效避開隱層轉換函數訓練飽和區,提高模型解算精度,還需要對該向量進行歸一化處理。

1.3.2 模型建立、參數初始化

根據BP神經網絡的算法要求,在建立BP網絡結構的同時還需對模型參數進行初始化。本文使用三層網絡結構,輸入層為紅光,綠光和近紅3個波段對應的3組向量,因此節點數為3。輸出層為藍光波段1個向量,故為節點數為1。隱層所用的函數為,經反復試驗,最終確定隱層節點數為5,學習效率?為0.3,沖量常數為0.7,訓練誤差(目標精度)為0.001。

1.3.3 樣本訓練與擬合

本文用含有藍光波段的ETM數據作為BP網絡樣本訓練的數據來源。訓練過程是后臺不斷迭代計算,不斷優化模型參數,直到模型預測精度符合預先設定的目標精度為止,得到一組經訓練優化后的網絡節點權重參數后保存該組權重參數(保存該網絡結構)。應用該網絡,將SPOT數據進行向量化和歸一化預處理后得到SPOT數據的近紅、綠光和紅光波段進行擬合運算,得到SPOT藍波段,并用于合成真彩色影像,最后對擬合的精度進行定量評價。

2 實驗結果

利用ETM遙感影像數據進行的非線性擬合精度評價方法為:①選取訓練樣本區域之外400×400像素方形驗證區域,將近紅、綠光和紅光波段輸入訓練好的模型進行藍光波段擬合,將擬合結果與原始驗證區域藍光波段進行像素值比較(表2);② 基于數理統計指標得到模擬的藍光波段與原始藍光波段像素值定量評價結果(表3)。

表2 模擬出的ETM藍波段與原始藍波段像素值(DN值)隨機對比

表3 模擬的藍光波段與原始藍光波段像素值(DN值)定量比較

綜合表2、表3可知,利用BP網絡模型模擬ETM波段的性能極強,該擬合能力完全可以“再造”缺失通道對應的波段。由擬合波段與真實波段相關性分析結果可知,兩者相關系數高達98%(圖2)。將模擬藍光后合成的真彩圖與原始真彩圖進行比較(圖3),相似度極高。

圖2 擬合波段與真實波段的相關性分析

最后通過訓練所得的BP網絡模型將SPOT紅、綠、近紅3個波段作為輸入層,進行SPOT藍光波段擬,合并合成真彩色(圖4)。合成影像整體色彩更為自然,水體、植被等典型地物波普特征都得以修正,進一步證實了應用BP神經網絡進行遙感影像波段模擬研究的可行性和合理性,對解決遙感影像波段缺失有較好借鑒和實用意義。

圖3 原始真彩圖(左)與模擬真彩圖(右)

圖4 模擬SPOT衛星藍光波段的結果

3 結 語

(1)通過大量試驗,摸索出了BP神經網絡在波段擬合方面的最佳實現路徑,所擬合的ETM和SPOT影像數據效果較為理想,精度較高。但在樣本數據的預處理和訓練環節上花費了較多時間才確定出最佳網絡模型參數及網絡結構。

(2)下一步將在如何提高數據預處理和樣本訓練效率上進行嘗試和改進,從而提升本方法的效率和實用性。進一步,將開展大氣校正處理對影像波段擬合影響(敏感性)分析研究,提升本方法的實效性和嚴密性。

[1]朱曉亮.SPOT5衛星影像在廣東省土地資源動態監測的應用[J].測繪信息與工程,2006,31(3):33-34.

[2]沈金祥,楊遼,駱劍承.利用波譜分析進行SPOT影像自然色模擬的方法[J].武漢大學學報:信息科學版,2009,34(12):1436-1439.

[3]朱長明,駱劍承,沈占鋒.地物波譜數據輔助的SPOT影像模擬自然色方法研究[J].測繪學報,2010,39(2):169-174.

[4]許輝熙,陳云浩,薛萬蓉.藍波段缺失遙感影像真彩色模擬方法研究[J].激光與光電子學進展,2015,52(5):71-78.

[5]江東,王建華.人工神經網絡在遙感中的應用與發展[J].國土資源遙感,1999,11(2):12-18.