基于WorldView-02高分影像的BP和RBF神经网络遥感水深反演
摘要
摘要: 遥感水深反演是水深测量的一种重要技术和手段.以美济礁水深反演为例，选择WorldView-02高分影像为数据源，在辐射定标和大气校正的基础上，构建BP（Back Propagation）和RBF（Radial Basis Function）人工神经网络水深反演模型，以遥感影像8个波段为输入层，通过tansig、logsig、高斯函数和purelin函数变换实现从输入层到隐含层、隐含层到输出层的转换，以便反演水深.最后对反演水深与实测水深采用回归分析，求解决定系数（coefficient of determination，R2）、平均决定误差（Mean Absolute Error，MAE）、均方根误差（Root Mean Square Error，RMSE）等进行比较，评价2种模型的精度.结果表明，RBF神经网络模型结构更简单，对样本要求更低，反演精度达到0.995，更适合遥感水深反演. 关键词: 遥感 / WorldView-02 / 水深反演 / BP神经网络 / RBF神经网络
引用本文（GB/T 7714）
贵洲 郑, 校冬 乐, 红平 王, 等. 基于WorldView-02高分影像的BP和RBF神经网络遥感水深反演[J]. Earth Science-Journal of China University of Geosciences, 2017.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。