论文部分内容阅读
本文在已有的变化检测方法基础之上,引入并提出利用深度学习中的深度信念网络对高分辨率遥感影像进行分类及变化检测分析。通过与已有方法的对比发现图像差值法“椒盐”现象不可避免,影响变化检测的结果,且此类方法只区分出变化与非变化的区域,并不知道地物类型,对具体的应用受限。深度学习的总体精度和Kappa系数最高,其次为最大似然分类器,ISODATA最差。深度学习的生产者精度,误判率比较低,最适用于变化趋势的研究。通过计算图像的信息熵对隐含层节点数进行预测,大大缩短了深度学习的时间,提高分类效率。对于相应的应用研究具有较大的贡献。