一种基于MAS的自适应图像分割方法
基于自适应蚁群算法的图像分割
基于自适应蚁群算法的图像分割
卢珏
【期刊名称】《《ITS通讯》》
【年(卷),期】2005(007)004
【摘要】蚁群算法良好的离散性，并行性，正反馈性和鲁棒性，非常适合于图像
分割。
但基本蚁群算法蚂蚁的搜索是随机的，计算量大，不利于算法的收敛，为此，本文提出了设置初始聚类中心的设想，并以小窗口为对象实施算法，由此大大减小了计算量。
另外基本蚁群算法中挥发系数固定，会导致算法可能过早收敛或停滞，针对这一不足，本文将其修改为随蚂蚁通过可行路径个数动态变化，使其收敛性和稳定性有了一定提高。
实验证明了方法的有效性。
【总页数】3页(P31-33)
【作者】卢珏
【作者单位】武汉理工大学信息工程学院武汉430071
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于动态自适应蚁群算法的MRI图像分割 [J], 白杨;孙跃;王君;周文俊;胡宁萍
2.自适应蚁群算法优化红外图像分割 [J], 赵娜;王希常;刘江
3.基于改进型蚁群算法的图像分割系统研究 [J], 曹敏
4.基于改进蚁群算法的图像分割 [J], 刘晓龙; 王任伟; 陈超
5.基于蚁群算法的图像分割方法 [J], 杨本胜;肖红;刘娇娇
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于PCNN图像分割和LSB的自适应隐写
一种基于PCNN图像分割和LSB的自适应隐写魏伟一;杨阳;朱强军【摘要】为了提高图像LSB隐写时的嵌入容量与视觉质量，结合图像的位面图内容特性，提出了一种基于图像 PCNN分割的LSB自适应隐写方案。
该方案对图像的前4个位面图分别进行PCNN图像分割，并计算分割结果之和，以此作为各像素可以嵌入的秘密信息比特数，然后采用LSB方法进行隐写。
实验结果表明，该算法具有较好的视觉隐蔽性和较高的数据嵌入量，而且不需要存储额外的嵌入深度信息。
%In order to improve the embedding capacity and visual quality in image LSB steganographic , combining with the character of cover's biplanes , a novel LSB steganographic embedding based on PCNN image segmentation is presented . The method extracts the first 4 plane images and partitions by way of PCNN method , then adds the 4 segmentation as the number of embedded for every pixel and embed secret information with LSB . Experimental results show that the proposed method not only provides better visual quality and higher payload , but also does not save the embedding length data .【期刊名称】《西北师范大学学报（自然科学版）》【年(卷),期】2016(052)002【总页数】4页(P43-46)【关键词】图像隐写;LSB;PCNN;图像分割【作者】魏伟一;杨阳;朱强军【作者单位】西北师范大学计算机科学与工程学院，甘肃兰州 730070;西北师范大学计算机科学与工程学院，甘肃兰州 730070;西北师范大学计算机科学与工程学院，甘肃兰州 730070【正文语种】中文【中图分类】TP309.2数字隐写(Steganography)就是将秘密信息以不易觉察的方式嵌入到公开的数字媒体中，并通过公共通信信道进行安全传送[1].现有的数字隐写算法中，最为经典的是最低有效位(Least significant bits, LSB)替换算法及其改进算法[2-3]，主要原理是将载体图像的若干较低比特位用秘密信息位直接替换或随机匹配，但是替换位数太多则会降低载密图像的视觉质量.因此很多改进的密写方法利用图像内容和人眼的视觉特性[4-5]，将载体图像进行分类，在纹理特征丰富或灰度变化剧烈的区域隐藏较多的信息位，在平坦区域部分则嵌入较少的数据量，以此在保持载密图像较好的视觉质量的前提下提高图像隐写的嵌入容量[6-7].基于图像像素区域的分类嵌入思想，刘劲等[8]提出了利用小波对比度决定图像块嵌入深度的LSB密写方法，算法对载体图像分块并计算各块的小波对比度绝对值之和，以确定各图像块的嵌入位数，然后在空域进行LSB嵌入.算法在一定程度上提高了嵌入容量，但是要对图像进行分块并进行小波变换，导致算法效率不高，而且每个图像块拥有相同的嵌入位数，使得载密图像出现分块效应，同时需要在嵌入时额外保存各块的嵌入深度.彭程等[9]提出了一种基于边缘匹配与最低有效位的图像隐写算法，根据人类视觉特性，利用像素及其相邻像素间的差值，将图像区域分为平滑区、过渡区和边缘区，在3个区域中分别采用不同比特数的最低有效位嵌入.廖琪男[10]利用像素的3个相邻像素特征进行像素分类并采用模函数运算进行嵌入，取得了较好的嵌入质量.Varsaki等[11]提出对图像纹理进行分类来选择不同的嵌入深度实现隐写.但是这些图像块划分方法都采用了固定的判决阈值，从而导致像素划分无法自适应确定.因此如何有效地进行图像像素的精确划分，根据图像内容自适应决定各像素的嵌入深度，是大容量信息密写的核心问题.脉冲耦合神经网络PCNN(Pulse coupled neural network)是Eckhorn等在模拟猴、猫等哺乳动物的脑视觉皮层过程中,观察到神经元的同步规则后,建立起来的一个反映同步脉冲产生现象的连接模型[12].由于PCNN模型具有良好的生物视觉依据，并且不需要训练数据，被成功应用于图像分割等各类图像应用中.在PCNN图像分割中，最早产生脉冲输出的像素将引发其邻域内其他相似像素对应的神经元进行激发，从而产生脉冲.笔者因此根据人眼视觉对变化剧烈区域及较暗区域都不敏感这两个特点，利用PCNN像素划分策略，提出基于PCNN图像分割的LSB大容量密写方案.算法首先将图像像素的最高4个位面图分别进行PCNN分割，并将分割结果相加，自适应获得各个像素的嵌入位数，然后进行图像的LSB隐写.实验结果与数据分析表明，该方案具有较好的视觉隐蔽性和较高的数据嵌入量，而且不需要存储额外的嵌入深度信息.PCNN神经元模型主要由接受域、内部调制和脉冲发生器3部分组成,其数学表达式如下[13]956:在对图像进行PCNN分割过程中，每个神经元的外部刺激对应图像中的1个像素，迭代计算产生的脉冲输出Y(n)中主要包含了图像纹理与边缘等信息.在当前的PCNN图像分割中，核心问题在于模型参数和算法迭代次数的确定，马义德等[14]提出的基于信息熵的PCNN分割迭代终止条件判决及其参数设置的经典方法,很好地解决了算法的核心问题.在基于PCNN的图像像素嵌入深度判决中，由于一幅图像的高位位面反映了图像的基本信息，低位位面起到细节作用，有时低位还往往是噪声.因此，可以将图像像素比较重要的最高4个位面作为深度判决位面进行PCNN分割，相对不太重要的后4个位面则作为可选的嵌入位面.由于图像PCNN的分割结果反映了图像纹理、边缘及内容特性，因此将各个判决位面点火后的二值图像进行相加，所得到的矩阵作为对应像素的LSB嵌入深度.在基于PCNN的LSB隐写中，先利用PCNN的嵌入深度判决方法计算各个像素值的嵌入深度，然后进行各个像素的LSB替换密写.该方案框架如图1所示.基于PCNN的LSB隐写算法为：1)获取载体图像的最高4个位面图，利用bitand(I,x)提取图像的最高4个位面图，I为载体图像，x分别取128,64,32,16；2)对所得到的4个位面图分别进行PCNN分割；3)将分割得到的4个二值图像进行求和，各数值作为对应像素的嵌入深度；4)在各个像素的后4位上，分别利用所得的嵌入深度进行秘密信息嵌入.载密图像中提取秘密信息的方法为：1)提取载密图像的最高4个位面图；2)对4个位面图按照嵌入时的处理方法，得到各像素的嵌入深度；3)按照各个像素的嵌入深度值进行数据提取.实验中的PCNN图像分割采用文献[15]中的参数，以像素对比度自适应确定PCNN模型中的链接系数，以图像的互信息熵作为算法的迭代终止条件.为了验证密写算法的嵌入容量和载密图像的视觉隐秘性，实验中利用混合光学双稳模型生成水印序列，选用6幅128×128的图像作为载体图像，以峰值信噪比(RPSN)作为视觉不可觉察性测度.由于算法中以像素的最高4位作为各像素嵌入深度的判决位，后4位作为候选的嵌入位，各个像素拥有不同的嵌入深度，不仅嵌入容量大，载密图像具有良好的视觉特性，而且可以实现盲提取.图2中依次给出了本算法仿真中的载体和载密图像，及其放大的差异图以及与基于小波对比度LSB隐写的对比结果.可以看出，算法中的载密图像不仅具有良好的视觉隐蔽性，而且载密图像和载体图像间的差异图具有较好的随机性，从而更加不容易进行密写分析.表1给出了各个实验的密写性能与基于小波对比度密写的性能对比，图3和图4给出了2个算法结果的嵌入容量比和RPSN趋势比较.可以明显看出，基于PCNN分解的LSB算法具有较高的嵌入容量，嵌入比都在25%以上，而且具有较高的RPSN值.文献[16]指出，隐写中图像间的RPSN如果高于38，则认为人眼基本无法察觉出图像的降质.从表1 RPSN的数据看，文中隐写算法中的载密图像具有较好的视觉保真度.另外，在算法中只需要进行图像4个位面图的PCNN分割，相对于基于小波对比度的LSB密写，要将图像分块并且每块都要进行小波变换而言，文中算法具有较好的时间效率.图5给出了文中算法和基于小波对比度LSB密写的时间效率对比.。
一种基于模糊逻辑的自适应阈值图像分割方法
一种基于模糊逻辑的自适应阈值图像分割方法
周莹;杜雯超;彭庆畅;刘宇红
【期刊名称】《微型机与应用》
【年(卷),期】2015(34)1
【摘要】图像是人类感知世界的视觉基础,然而在人类通过视觉获取的大量图像信息中,并不是所有的信息内容都是我们所需要的,所以需要把图像分成若干个特定的、具有独特性质的区域.本文对图像分割方法进行了研究,给出了一种基于模糊逻辑的
自适应阈值图像分割方法,并将其应用于车牌图像中,在MATLAB环境下对两幅典
型图像通过Otsu方法、脉冲耦合神经网络算法和本文所提算法进行仿真分析,结
果对比分析显示本文方法在综合方面略优于其他两种对比方法.
【总页数】3页(P53-54,62)
【作者】周莹;杜雯超;彭庆畅;刘宇红
【作者单位】贵州大学大数据与信息工程学院,贵州贵阳550025;贵州大学大数据
与信息工程学院,贵州贵阳550025;贵州大学大数据与信息工程学院,贵州贵阳550025;贵州大学大数据与信息工程学院,贵州贵阳550025
【正文语种】中文
【中图分类】TN912
【相关文献】
1.基于模糊阈值的自适应图像分割方法 [J], 张永梅;巴德凯;邢阔
2.一种无须预指定分割区域数的自适应多阈值图像分割方法 [J], 陈亚军;刘丁;梁军
利;张新雨
3.一种自适应模糊阈值区间的图像分割方法 [J], 宋淑娜;李金霞;胡学坤;高尚
4.一种基于矢量阈值的自适应图像分割方法 [J], 汤可宗;张磊;高尚
5.一种基于自适应阈值的图像分割算法 [J], 王茜;彭中;刘莉
因版权原因，仅展示原文概要，查看原文内容请购买。
基于FCM的分块自适应图像分割方法研究
基于FCM的分块自适应图像分割方法研究
陈亮;曹宁;鹿浩;王佳希
【期刊名称】《电子设计工程》
【年(卷),期】2014(22)24
【摘要】基于模糊C均值聚类(FcM)的图像分割是应用较为广泛的图像分割方法之一,但是传统的模糊C均值聚类算法都是基于欧氏距离的,对于图像中的噪声是十分敏感的.针对这一局限性,提出一种基于FCM的分块自适应图像分割方法.该方法不仅考虑了噪声不均匀分布对分割结果的影响,而且充分考虑了图像像素的灰度信息和空间信息.通过对含有噪声的自然图像和合成图像的分割试验,我们可以得到,与传统的FCM图像分割算法相比,本文方法能量著提高含有噪声图像的分割质量.【总页数】4页(P190-193)
【作者】陈亮;曹宁;鹿浩;王佳希
【作者单位】河海大学计算机与信息学院,江苏南京211100;河海大学计算机与信息学院,江苏南京211100;河海大学计算机与信息学院,江苏南京211100;河海大学计算机与信息学院,江苏南京211100
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于自适应区域限制FCM的图像分割方法 [J], 李磊;董卓莉;张德贤
2.基于自适应相似度距离的改进FCM图像分割 [J], 华漫;李燕玲;魏永超
3.基于FCM的快速自适应图像分割技术 [J], 吴颖斌
4.基于FCM聚类的自适应彩色图像分割算法 [J], 胡学刚;段瑶
5.自适应的FCM图像分割方法研究 [J], 王学义;曹春萍;崔晓玲
因版权原因，仅展示原文概要，查看原文内容请购买。
一种自适应彩色图像分割算法
一种自适应彩色图像分割算法
张琳;蔡灿辉
【期刊名称】《计算机技术与发展》
【年(卷),期】2005(015)007
【摘要】目前对图像分割技术的改进一般是通过优化某种特定的算法来实现的,这样会把对彩色的分割能力拘泥在某个范围内,而文中专门针对彩色信息采用有自适应性的级联多种方法的聚类算法,在逐步的优化中,提高对彩色的分割能力,实现对彩色图像的更为清晰细致的分割.该方法在单纯的针对色彩信息时,取得了很好的实验测试效果.
【总页数】3页(P57-59)
【作者】张琳;蔡灿辉
【作者单位】华侨大学,计算机与信息工程学院,福建,泉州,362021;华侨大学,计算机与信息工程学院,福建,泉州,362021
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种自适应FCM彩色图像分割算法 [J], 宋娈娈;杨明
2.基于FCM聚类的自适应彩色图像分割算法 [J], 胡学刚;段瑶
3.基于自适应FCM聚类的彩色图像区域分割算法 [J], 汪彦;何建新
4.自适应Mean Shift算法的彩色图像平滑与分割算法 [J], 王晏;孙怡
5.基于自适应隶属度的彩色图像分割算法性能评价 [J], 张风彦
因版权原因，仅展示原文概要，查看原文内容请购买。
皮肤显微图像的自适应分割
皮肤显微图像的自适应分割
胡越黎;曹家麟
【期刊名称】《计算机工程》
【年(卷),期】2006(032)010
【摘要】提出了一种针对皮肤显微图像进行自适应分割的方法,其思想是:首先将RGB图像变化到HSI(Hue/Saturation/Intensity)空间;计算图像的S域标准差σ,以σ为判据,当σ较大时,采用最大类间方差法确定分割阈值,当σ较小时,采用修正均值法确定分割阈值,最后用数学形态法进行图像后处理完成图像分割,从而解决了大动态范围图像标准差的图像分割.该方法算法简单、实用,实现了不同症状的皮肤显微图像的自适应分割.
【总页数】4页(P175-177,182)
【作者】胡越黎;曹家麟
【作者单位】上海大学机电工程与自动化学院,上海,200072;上海电力学院,上海,200090
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于OTSU的显微图像自适应域值分割算法 [J], 吴强辉;石毅力;付长安;田学隆
2.基于深度学习的秀丽隐杆线虫显微图像分割方法 [J], 曾招鑫; 刘俊
3.一种低分辨率细胞显微图像的分割与统计 [J], 陈书文;曹愚;赵小燕;王茄吉
4.图像分割评估方法在显微图像分析中的应用 [J], 马博渊;姜淑芳;尹豆;申昊锴;班晓娟;黄海友;王浩;薛维华;封华
5.自适应目标的U型皮肤病变图像分割算法 [J], 杨国亮;赖振东;温钧林
因版权原因，仅展示原文概要，查看原文内容请购买。
基于模糊率的FCM自适应图像分割方法
本文根据波谷波峰梯度检测法 自动确定模糊 聚类数 目。 首先对 图像使 用梯度检测法对潜在的阈值点进行初 步定位 。 若 ｉ满足 ： ’
¨ 卜 川 （） ４
Ｃ 均值…（ｕｚ — ａ ｓ Ｃ 算法作为一种无监督聚类算 Ｆ ｚｙ Ｃ Ｍｅｎ，Ｆ Ｍ）
Ｂａ ｅ ｎ ｓ ｄ ０ Ｆｕｚ ｉ ｓ ｔ ｚｎｅ ｓＲａ ｅ
ＧｏＮＧＱｕ ＱＵ ｉ・ｈ ｎ ． ＡＮＪａｃ ｅ ｇ
（ ｏ ｌ ｅｏ ｔｅ ｔ ｓ ｎ ｔ ｉｉ ｓ Ｃ ｏ ｇ ｉｇ Ｕ ｉｅ ｓ ｙ Ｃｈ ｎ ｑｎ ０ ０ ４ Ｃ ｉａ Ｃ ｌ ｇ ｆ ｅ Ｍａ ｍａｉ ｄＳ ａ ｓ ｃ ， ｈ ｎ ｑｎ ｎｖ ｒ ｔ， ｏ ｇ ｉｇ４ ０ ４ ， ｈｎ ） ｈ ｃａ ｔｔ ｉ
１ 概述
图像分割是 图像分析和模 式识别系统的重要组成部分 ， 它 决定了图像 的最终分析质量和模式识别 的判别结果 。模糊
ｖ＝ （ （ ） ｆｉ ）∑ （Ｊ Ｅ ｕ ） （ ／／ （ ） ， ， ，）
（ ３ ）
３ 基于模糊率的 Ｆ Ｍ 自适应图像分鲁 方法 Ｃ ｜
［ ｙｗ ｒ ｓ ｆｚ ｙ ｌｓ ｒ ｇ ｉ ｇ ｅｍｅ ｔｔ ｎ ｆｚｙｔｒｓｏｄ ｎ ｉｈ ｏ ｆｒ ｔ ｎ ｒｂ ｓ ｅｓ Ｋｅ ｏ ｄ ］ ｕｚ ｕｔ ｉ ；ｍａｅｓｇ ｎａｉ ；ｕ ｚ ｅｈ ｌ； ｅｇ ｂ ｒｎｏｍａｉ ；ｏ ｕｔ ｓ ｃ ｅｎ ｏ ｈ ｉ ｏ ｎ
ＤＯＩ １．９ ９ ．ｓ．０ ０３２ ． １ ００ ０ ： ０３ ６ ／ｉ ｎ１０ —４ ８２ １．７ ｊｓ ０１
ｂ ｔｉｉｇ ｆｚｙ ｔｒｓｏｄ ｍｅｈ ｄ ｏ ｅ ｏｊｃｉｅｆｎ ｔ ｎ ｉ ｅｔ ｌ ｈｄ ｗ ｉｈ ｃ ｎａｎ ｅｔｒ ｎｏｍａｉｎ ａ ｄ ｓａｉｌｉｆｒ ｔ ｎ ｙ ｕｉｚｎ ｕ ｚ ｈｅｈ ｌ ｔｏ ．Ａ ｎ ｖ ｌ ｂｅｔ ｕ ｃｉ ｓ ｓ ｂｉ ｅ ｈｃ ｏ ｔｉｓｆａｕｅ ｉｆｒ ｔ ｎ ｐ ｔ ｎｏｍａｉ ． ｌ ｖ ｏ ａ ｓ ｏ ａ ｏ
基于局部特征的自适应快速图像分割模型
基于局部特征的自适应快速图像分割模型葛琦;韦志辉;肖亮;张军【期刊名称】《计算机研究与发展》【年(卷),期】2013(50)4【摘要】Region-based active contour model such as Chan-Vese model is able to handle the blurry boundary and complex topological structures in images segmentation. However, based on the intensity-homogeneous distribution, the effect on segmentation in the images with intensity inhomogeneity is not fine. Textures are fine scale-details, usually with some periodicity nature, and they cannot be detected by intensity information. Aiming at these problems, an adaptive fast image segmentation model based on local features is proposed. On the one hand, two kinds of region data terms are designed for detecting cartoon and texture parts respectively. The local statistic information is extracted in the adaptive patch to solve the over-segmentation induced by the intensity inhomogeneities. On the other hand, the texture feature information calculated in the adaptive patch acts to compute the Kullback-Leibler distance for detecting the texture part. Our model is solved by the split Bregman method for efficiency. Experiments are carried on both medical and texture images to compare our approach with some competitors, demonstrating the precision and efficiency of our the model.%基于区域的活动轮廓模型如Chan-Vese(CV)模型等以其能较好的处理图像的模糊边界和复杂拓扑结构而广泛运用于图像分割中.然而基于灰度分布均匀假设,该模型对于含灰度不一致性的目标分割结果较差.此外,纹理是周期性重复出现的细节,依靠灰度信息无法正确检测.针对这些问题,提出一种基于局部特征的自适应快速图像分割模型.一方面,利用两种区域项检测卡通部分和纹理部分的特征信息,在自适应的局部块中提取局部统计信息以克服卡通部分的灰度不一致性；另一方面,利用自适应的局部块中的纹理特征来计算背景和目标区域的Kullback-Leibler (KL)距离以检测图像的纹理部分.进一步,基于分裂Bregman方法对该模型进行快速求解.分别对医学和纹理图像进行了实验,准确性和时效性都有显著提高.【总页数】8页(P815-822)【作者】葛琦;韦志辉;肖亮;张军【作者单位】南京理工大学理学院南京 210094【正文语种】中文【中图分类】TP391【相关文献】1.基于FCM的快速自适应图像分割技术 [J], 吴颖斌2.基于多尺度局部特征的图像分割模型 [J], 李军;江晓亮;李柏林;欧阳3.图像分割的自适应快速水平集演化模型 [J], 王艳4.基于局部自适应先验MRF模型的快速BP图像分割算法 [J], LIU Guang-hui;REN Qing-chang;MENG Yue-bo5.基于自适应滤波的快速广义模糊C均值聚类图像分割 [J], 王小鹏;张永芳;王伟;文昊天因版权原因，仅展示原文概要，查看原文内容请购买。
基于模糊率的FCM自适应图像分割算法(修改)
基金项目：国家自然科学基金项目(60972104)基于模糊率的FCM 自适应图像分割算法龚劬，权佳成(重庆大学数学与统计学院，重庆400044)摘 要 本文提出一种基于模糊率的模糊聚类自适应图像分割算法。
该方法根据波谷波峰梯度检测法自动确定模糊聚类数目，然后利用模糊阈值法快速确定了较为准确的初始聚类中心，建立包含特征信息和空间信息的新的目标函数，实现图像的自动分割。
实验结果表明，文中方法的分割速度较快，分割精度较高，同时具有较强的鲁棒性。
关键词：模糊聚类；图像分割；模糊阈值；邻域信息；鲁棒性中图分类号：TP391.41An Adaptive Fuzzy C-means Algorithm for Image SegmentationBased on Index of FuzzinessGong Qu, Quan Jia-cheng(College of Mathematics and Statistics, Chongqing University, Chongqing 400044)Abstract An adaptive fuzzy C-means algorithm for image segmentation based on index of fuzziness is proposed. It automatically determines the proper number of fuzzy clustering by utilizing the gradient detection method of wave trough and peak. Accurate original cluster centers were acquired by utilizing fuzzy threshold method. A novel objective function has been established which contains feature information and spatial information. The experimental results show that the method has strong anti-noise property and high segmentation accuracy, and the speed of it is fast.Key words fuzzy clustering; image segmentation; fuzzy threshold; neighbor information; robust图像分割是图像分析和模式识别的首要问题，也是图像处理的经典难题之一，它是图像分析和模式识别系统的重要组成部分，并决定图像的最终分析质量和模式识别的判别结果。
一种自适应学习率的遥感影像分类方法
一种自适应学习率的遥感影像分类方法作者：王研，段琳琳，杨玲来源：《计算机时代》2022年第06期摘要：在對遥感影像进行分类识别处理时，深度学习技术容易陷于局部最优，模型参数往往需要手动调整。
提出一种基于模拟退火算法的自适应学习率方法，并建立层叠去噪自动编码器模型。
给模型添加一定学习率比例，以实现学习率在迭代中自动改变。
通过对比实验以及曲面拟合方法，验证了该方法的有效性、实用性和可靠性。
该方法能自动调整学习率参数且能够避免局部最优解，分类精度和效率均有所提高。
关键词：模拟退火算法; 分类; 自适应; 学习率; 层叠去噪自动编码器中图分类号：TP751 文献标识码：A 文章编号：1006-8228（2022）06-27-05A remote sensing image classification method based on adaptive learning rateWang Yan1， Duan Linlin2， Yang Ling1（1. Henan University， Kaifeng， Henan 475004， China; 2. No.1 Senior High School of Xiangcheng）Abstract： When classifying and identifying remote sensing images， deep learning technologies are easy to fall into a local optimum， and model parameters are often adjusted manually. In this paper， a method of adaptive learning rate based on simulated annealing algorithm is proposed， and a stacked denoising auto encoder model is constructed. The learning rate is given aproportion so that it can change automatically in the iteration. The effectiveness， practicability and reliability of above algorithm are verified through comparative experiments and surface fitting methods. The results indicate that the proposed method can automatically adjust the learning rate and avoid local optimal solutions， which improves the classification accuracy and efficiency.Key words： simulated annealing algorithm; classification; adaptive; learning rate; stacked denoising auto encoder0 引言在遥感影像分类领域，模型构建和参数取值对实验结果有着很大影响。