基于神经网络的遥感影像识别技术研究

"基于神经网络的遥感影像识别" 本文详细探讨了遥感图像处理与分类技术，特别是神经网络在该领域的应用。遥感技术是一种重要的空间信息获取手段，利用不同波段的电磁波探测地表特征，如紫外、可见光、红外、微波以及多光谱和高光谱遥感。1M卫星图像作为一种多光谱图像，包含7个不同波段，每个波段对应特定的地表特性，例如蓝波段对水体的敏感度和绿波段对植物的反射。 在遥感图像识别中，模式分类技术扮演着关键角色。传统的分类方法，如基于统计的模式识别，往往在复杂条件下效果不佳。随着神经网络技术的发展，尤其是BP神经网络、Kohonen自组织特征映射网络（SOM）和模糊Kohonen聚类网络（FKCN），为解决这个问题提供了新途径。神经网络具有学习和容错能力，无需预先设定概率模型，非常适合处理空间模式识别问题。 论文作者刘宣江在导师陆传赉的指导下，深入研究了BP神经网络算法，使用ERDAS Imagine软件对渤海湾地区的1M遥感影像进行了非监督和监督分类。首先进行非监督分类以初步划分图像区域，然后通过BP神经网络进行二次分类，以提高分类精度。此外，他还引入模糊Kohonen聚类网络，结合模糊数学理论，将模糊模式识别技术应用于遥感图像分类，以克服传统方法的局限性。 模糊Kohonen网络（FKCN）结合了模糊逻辑和自组织映射网络的优点，能更好地处理数据的不确定性，提高分类的鲁棒性。一种改进的自适应FKCN网络（AFKCN）进一步增强了网络的适应性和分类性能。 总结来说，这篇硕士学位论文深入研究了神经网络在遥感图像识别中的应用，提出了一套结合非监督和监督学习的分类策略，为遥感图像处理领域提供了新的方法和技术。这种方法不仅能够提升遥感图像的分类准确率，还展示了神经网络技术在处理复杂遥感数据方面的潜力。