神经网络图像分类基本步骤

神经网络图像分类基本步骤

第一步：找到需要分类的图像,如下方的10.jpg

第二步：找到样本数据，分类是需要有样本数据的，数据集中已经给出

第三步：替换掉下方的代码数据即可

代码

clearall;

%读入样本10,即遥感图像的背景

l=imread('10.jpg')；

%将样本图像降维处理

R=l(：,：,l)；

G=l(:z:,2);

B=l(:,:,3);

%灰度值归一化

R=im2double(R);

G=im2double(G);

B=im2double(B);

[MN]=size(R);

R=reshape(R*,[lMXN]);

G=reshape(G'z[lM*N]);

B=reshape(B',[lMXN]);

%初始化输入矢量P和输出矢量T

P=[]；

T=[]；

P=[R；G;B];

T=[0;0;0];

[mn]=size(P);

T=concur(l；n);

%读入样本图像0

l=imread('O.jpg')；

%将样本图像降维处理

G=l(:,:,2);

B=l(：,：,3)；

%灰度值归一化

R=im2double(R);

G=im2double(G);

B=im2double(B);

[MN]=size(R);

X

R=reshape(R'z[lMN]);

G=reshape(G',[lM*N]);

B=reshape(B',[lMXN]);

P1=[R;G;B];

Tl=[0.1;0.3;0.5];

P=[P,P1]；

[mn]=size(Pl);

Tl=concur(Tl,n);

T=[T,T1];

%读入样本图像1

^imreadfl.jpg');

%将样本图像降维处理

R=l(：,：,l)；

G=l(:,:,2);

B=l(：/：3)；

%灰度值归一化

R=im2double(R);

G=im2double(G);

B=im2double(B);

[MN]=size(R);

R=reshape(R\[lMXN]);

G=reshape(G',[lM*N]);

,X

B=reshape(B/[lMN]);

P1=[R；G;B];

Tl=[0.2;0.4;0.6];

P=[P,P1]；

[mn]=size(Pl);

Tl=concur(Tl,n);

T=[TJ1];

%读入样本图像2

l=imread('2.jpg');

%将样本图像降维处理

R=l(：,：,l)；

G=l(：,:,2);

B=l(：,：,3)；

%灰度值归一化

R=im2double(R);

G=im2double(G);

B=im2double(B);

[MN]=size(R);

R=reshape(R,/[lM'N]);

G=reshape(G',[lM*N]);

B=reshape(B',[lMXN]);

P1=[R；G;B];

Tl=[0.3;0.2;0.7];

P=[P,P1]；

[mn]=size(Pl);

%灰度值归一化

R=im2double(R);

G=im2double(G);

B=im2double(B);

[MN]=size(R);

R=reshape(R',[lMXN]);

G=reshape(G',[lM*N]);

B=reshape(B',[lMXN]);

P1=[R;G;B];

Tl=[0.5;0.5;0.4];

P=[P,P1]；

[mn]=size(Pl);

Tl=concur(Tl,n);

T=[T,T1];

%读入样本图像5

l=imread(5jpg');

%将样本图像降维处理

：：

G=l(z,2);

B=l(：,：,3)；

%灰度值归一化

R=im2double(R);

G=im2double(G);

B=im2double(B);

[MN]=size(R);

X

R=reshape(R'/[lMN]);

G=reshape(G',[lM*N]);

B=reshape(B',[lMXN]);

P1=[R；G；B]；

Tl=[0.6;0.9;0.2];

P=[P,P1]；

[mn]=size(Pl);

Tl=concur(Tl,n);

T=[T,T1];

%读入样本图像6

l=imread(6jpg');

%将样本图像降维处理

R=l(:,:,l);

G=l(:,:,2);

：：

B=l(z3);

%灰度值归一化

R=im2double(R);

G=im2double(G);

B=im2double(B);

[MN]=size(R);

X

R=reshape(R,/[lMN]);

G=reshape(G',[lM*N]);

B=reshape(B',[lMXN]);

P1=[R;G;B];

Tl=[0.7;0.2;0.8];

P=[BP1];

[mn]=size(Pl);

Tl=concur(Tl,n);

T=[T,T1];

%读入样本图像7

l=imread('7.jpg')；

%将样本图像降维处理

R=l(：,：,l);

G=l(:,:,2);

B=l(:,:,3);

%灰度值归一化

R=im2double(R);

G=im2double(G);

B=im2double(B);

[MN]=size(R);

R=reshape(R\[lMXN]);

G=reshape(G,,[lM*N]);

X

B=reshape(B'z[lMN]);

P1=[R；G;B];

Tl=[0.8;0.3;0.5];

P=[P,P1]；

[mn]=size(Pl);

Tl=concur(Tl,n);

T=[T,T1];

%读入样本图像8

kimreadfS.jpg')；

%将样本图像降维处理

G=l(：,;,2);

B=l(：,:,3);

%灰度值归一化

R=im2double(R);

G=im2double(G);

B=im2double(B);

[MN]=size(R);

R=reshape(R\[lMXN]);

G=reshape(G',[lM*N]);

B=reshape(B\[lMXN]);

P1=[R；G;B];

Tl=[0.9;0.2;0.1];

P=[P,P1]；

[mn]=size(Pl);

Tl=concur(Tl,n);

T=[TTU；

%读入样本图像9

IsimreadfQ.jpg');

%将样本图像降维处理

R=l(:,:,l);

G=l(：,：,2);

B=l(：/,3)；

%灰度值归一化

R=im2double(R);

G=im2double(G);

B=im2double(B);

[MN]=size(R);

X

R=reshape(R'/[lMN]);

G=reshape(G\[lM*N]);

B=reshape(B'41M^N]);

P1=[R;G;B];

Tl=[l;0.5;0.6];

P=[P,P1]；

[mn]=size(Pl);

Tl=concur(Tl,n);

T=[T；H];

%创建一个前向神经网络

，l

net=newff(minmax(P),[5/3]4logsig7purelin}/'traingdx');

%设置训练参数

net.trainParam.show=50;

net.trainParam.epochs=1000;%最大训练步数为1000

net.trainParam.goal=0.001;

net=init(net);

%对BP网络进行训练

net=train(net,PzT);

forj=l:2

ifj==l

var=input(，是否对2000年崇明东滩遥感影像进行分类(是:输入1,

否:输入2),)；

elseifj==2

var=input(，是否对2003年崇明东滩遥感影像进行分类(是:输入1,

否:输入2),)；

end

%读入待分类遥感图像

ifvar==l

ifj==l

kimreadftmZOOOmask.jpg');

elseifj==2

l=imread('tm2003mask.jpg')；

end

%将彩色图像降维

G=l(：,：,2)；

B=l(：,：,3);

%将灰度值归一化处理

R=im2double(R);

G=im2double(G);

B=im2double(B);

[M,N]=size(R);

R=reshape(R',[lM*N]);

G=reshape(G',[lM*N]);

B=reshape(B',[lM*N]);

p=[R;G;B];

%对BP网络进行仿真

Y=sim(net,p);

R=Y(l,:);

X=R;

classR=[];

fori=0:(M-l)

classR=[classR;R((i*N+l):(i*N+N))];

end

G=Y(2,:);

classG=[];

fori=0:(M-l)

classG=[classG;G((i*N+l):(i*N+N))];

end

B=Y(3Z:);

classB=[];

fori=0:(M-l)

classB=[classB;B((i*N+l):(i*N+N))];

end

R=abs(classR)*255;

R=uint8(R);

G=abs(classG)*255;

G=uint8(G);

B=abs(classB)*255;

B=uint8(B);

classify=cat(3,R,G,B);

figurejmshow(classify);

ifj==l

title('2OOO年崇明东滩遥感图像分类图)

elseifj==2

title('2003年崇明东滩遥感图像分类图)；

end

%计算各类地物面积

X=abs(X)*255;

[M/N]=size(X);

tl0=0;t0=0;tl=0;t2=0;t3=0;t4=0;t5=0;t6=0;t7=0;t8=0;t9=0;

fori=l:N

ifX(1J)==O

tlO=tlO+l;

elseifX(l,i)<26

to=to+i；

elseifX(1J)<52

tl=tl+l;

elseifX(1J)<=76

t2=t2+l;

elseifX(lJ)<=102

t3=t3+l;

elseifX(lzi)<=127

t4=t4+l;

elseifX(1J)<=153

t5=t5+l;

elseifX(1J)<=178

t6=t6+l;

elseifX(lJ)<204

t7=t7+l;

elseifX(l,i)<=229

t8=t8+l;

elset9=t9+l;

end

end

var=input(，是否以饼状图显示地物比例(是:输入1,否:输入2),);

ifvar==l

%绘制地物面积饼状图

314gt6,t7,t8,t9];

figure;

Pie(t);

legend。海水？农地？绿林地；房屋1养殖场？芦苇？互花米草？海三棱蕉草

光滩'」未利用地11)；%标注图例

end

vdr=inpul('是否以直方图显示地物比例(是:谕入1,否:输入2),);

ifvar==l

%绘制地物面积柱状图

y=[t0ztl/t2/t3/t4/t5zt6zt7,t8,t9];

x=l:10;

figure;

bar(x,y);colormapsummer;%绘制柱状图且返回图形句柄

end

end

end

var二input('是否对2005年遥感图像进行预测(是:输入1否：输入2),);

ifvar==l

%<-----------------!运用2000年和2003年图像预测2005年图像

%读入2000年遥感数据

l=imread('tm2000mask.jpg,);

%将图像数据降维

R=K：,：,1)；

G=l(:,:,2);

B=l(：,：,3);

%灰度值归一化

R=im2double(R);

G=im2double(G);

B=im2double(B);

[MN]=size(R);

R=reshape(R',[lMXN]);

G=reshape(G',[lM*N]);

B=reshape(B\[lMXN]);

%初始化输入向量

P=[]；

P=[R；G;B];

%初始化输出向量

%读入2003年遥感数据

l=imread('tm2003mask.jpg');

%将图像数据降维

R=l(:,:,l);

G=l(:,:,2);

B=l(:,:,3);

%灰度值归一化

R=im2double(R);

G=im2double(G);

B=im2double(B);

[MN]=size(R);

R=reshape(R\[lMXN]);

G=reshape(G,,[lM*N]);