遥感影像分类研究：神经网络与模糊理论应用

"本文主要探讨了遥感影像的识别与分类技术，特别是在使用人工神经网络算法方面的应用。文章深入研究了遥感图像的基础知识、分类原理以及预处理方法，同时对比了不同类型的神经网络，包括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)。作者提出了模糊Kohonen神经网络模型，以解决传统方法的局限性，并针对这些问题进行改进，提出了适应性的FKCN网络。论文以渤海湾地区的1M遥感影像为例，进行了实际的分类实验。" 本文是北京邮电大学应用数学专业硕士研究生刘宣江的学位论文，主要研究基于神经网络的遥感影像识别技术。遥感技术作为一种高效的信息获取手段，其模式分类是关键技术之一。传统的分类方法在面对复杂环境时往往表现不佳，而神经网络因其学习和容错能力，成为遥感影像分类的新选择。 文章首先回顾了遥感影像分类领域的研究进展，尤其是神经网络在其中的应用。然后，详细阐述了遥感影像预处理的方法和分类原理，指出传统统计模式识别方法的不足，并引入模糊模式识别技术进行改进。 在BP神经网络部分，论文使用ERDAS IMAGINE软件对渤海湾地区的遥感影像进行非监督分类，再结合BP网络进行二次分类，以提高分类精度。接着，论文探讨了模糊集理论，特别是模糊推理和反模糊化，为模糊神经网络提供了理论基础。 第五章中，作者提出了模糊Kohonen神经网络模型（FKCN），该模型采用批处理学习方式，能自适应调节网络参数，解决了SOM网络和FCM算法的一些固有问题，如节点自动确定、收敛速度和计算量等。此外，论文还提出了一种改进的自适应FKCN网络（AFKCN），以优化网络性能。 这篇论文在神经网络和模糊理论的结合上进行了深入探索，旨在提升遥感影像分类的准确性和效率，对遥感技术的发展和应用具有重要的理论与实践意义。