遥感影像识别：神经网络在分类中的应用

"这篇硕士学位论文主要探讨了基于神经网络的遥感影像识别技术，特别是针对遥感1M影像的分类方法。作者刘宣江在导师陆传赉的指导下，研究了BP神经网络、Kohonen自组织特征映射网络(SOM)、模糊Kohonen聚类网络(FKCN)以及一种改进的自适应FKCN(AFKCN)在遥感影像分类中的应用。论文主要涵盖了以下几个方面的内容： 1. 遥感影像特征：遥感1M影像包含7个波段，其中第6波段记录热辐射信息，其他6个波段记录反射光谱信息，常用于分类的是除第6波段外的波段。这种多光谱信息对于影像识别至关重要。 2. 遥感技术与模式分类：遥感技术是获取时空信息的重要手段，模式分类技术是其关键部分。随着遥感技术的发展，对模式分类技术的需求也在提高。 3. 传统分类方法的局限性：传统的遥感影像分类方法在假设条件差异时可能无法达到满意的效果，导致信息提取不够准确。 4. 神经网络技术的应用：神经网络因其学习能力和容错特性，逐渐成为遥感影像分类的有效工具。BP神经网络、SOM网络和模糊Kohonen网络等都被用于遥感影像的处理和分类。 5. 论文工作概述：论文首先回顾了遥感影像分类领域的研究进展，然后介绍了神经网络的基本原理和应用。接着，论文分析了传统监督和非监督分类方法的优缺点，并结合模糊数学引入模糊模式识别技术。 6. 实际应用案例：以渤海湾地区的1M遥感影像为例，论文使用ERDAS软件进行了非监督分类，随后利用BP神经网络进行二次分类，以提高分类精度。 7. 模糊Kohonen网络的改进：FKCN与模糊c均值算法(FCM)的结合，形成了一种改进的自适应FKCN，增强了网络的分类性能。 8. 结论与展望：论文最后可能讨论了这些方法的实际效果，存在的问题以及未来的研究方向，如进一步优化神经网络模型，提升分类效率和准确性。 这篇论文深入研究了神经网络在遥感影像识别中的应用，通过多种网络结构和算法的对比与实践，为遥感影像的分类提供了理论支持和技术方案。"