基于神经网络的遥感图像分类研究

基于神经网络的遥感图像分类 基于神经网络的遥感图像分类是遥感技术中的一项关键技术，旨在解决遥感影像分类问题。该技术通过神经网络的学习能力和容错特性，能够快速准确地从遥感影像中提取信息。 在遥感技术中，模式分类技术是其中的一项关键技术。然而，传统的遥感影像分类方法难以快速准确地从遥感影像中提取信息。因此，神经网络技术的发展为解决这一问题提供了新的方法。 神经网络技术具有学习能力和容错特性，无须就概率模型作出假定，适用于空间模式识别的各种问题的处理。因此，神经网络技术日益成为遥感影像分类处理的有效手段。 本文总结了目前国内外研究现状，采用BP神经网络算法、Kohonen自组织特征映射网络（SOM）、模糊Kohonen聚类网络（FKCN）和一种改进的自适应FKCN网络（AFKCN），并结合遥感专业软件ERDAS对遥感影像进行分类研究。 在研究中，首先回顾了国内外学者在遥感影像分类领域所作的一些研究工作，重点介绍了神经网络用于遥感影像分类的基本原理和方法。然后，在分析了传统监督和非监督分类方法的基础上，分别给出了传统分类六种算法的分类思想和算法流程。并指出了这些基于统计模式识别的传统分类方法的不足，结合模糊数学的思想，将模糊模式识别技术引入遥感图像分类中。 BP神经网络近年来广泛地应用于遥感影像分类中。本文利用遥感图像处理软件ERDAS IIlagine，对渤海湾地区的1M遥感影像数据首先进行非监督分类，然后结合BP神经网络分类器对其进行二次分类。 模糊Kohonen神经网络（FKCN）是把模糊c均值算法和Kohonen神经网络相结合的一种神经网络算法，能够对遥感影像进行高效分类。 本文通过神经网络技术对遥感图像分类进行了研究，并将其应用于实际遥感影像分类中。该技术能够快速准确地从遥感影像中提取信息，具有广泛的应用前景。 知识点： 1. 遥感技术的定义和应用 2. 模式分类技术在遥感技术中的应用 3. 神经网络技术在遥感图像分类中的应用 4. BP神经网络算法在遥感图像分类中的应用 5. Kohonen自组织特征映射网络（SOM）在遥感图像分类中的应用 6. 模糊Kohonen聚类网络（FKCN）在遥感图像分类中的应用 7. 改进的自适应FKCN网络（AFKCN）在遥感图像分类中的应用 8. 遥感专业软件ERDAS在遥感图像分类中的应用 9. 模糊数学在遥感图像分类中的应用 10. 神经网络技术在遥感图像分类中的优点和应用前景