基于神经网络证据理论的遥感图像数据融合与湖泊水质状况识别

被引：8

作者：

石爱业

徐立中

杨先一

黄凤辰

机构：

[1] 河海大学计算机及信息工程学院,河海大学计算机及信息工程学院,河海大学计算机及信息工程学院,河海大学计算机及信息工程学院南京,南京,南京,Guelph大学工程学院机器人与智能系统实验室,Guelph,加拿大,南京

来源：

中国图象图形学报 | 2005年 / 03期

关键词：

遥感图像; 水质识别; 数据融合; DS证据理论; BP神经网络;

D O I：

暂无

中图分类号：

X832 [水质监测];

学科分类号：

0804 ; 082803 ;

摘要：

为了进一步提高湖泊水质状况识别的准确性,提出了一种基于神经网络证据理论的遥感图像数据融合处理方法,并以太湖水质监测数据为例进行了实证分析。该方法先对不同的遥感输入图像,采用各自相应的神经网络进行处理,然后对神经网络输出的结果做归一化处理,再利用D S证据理论进行数据融合,最终给出水质的识别结果。该方法的优点为(1)可增加水质识别的容错性; (2)由于融合了多源水质遥感图像的数据,因而水质状况识别的可信度更高。

引用

页码：372 / 377

页数：6