机场识别中的BP网络信息融合与特征选择

该篇论文标题为"人工神经网络信息融合及其在机场识别中的应用研究 (2005年)",主要探讨了如何利用人工神经网络技术，特别是改进的BP网络，来提升机场识别的准确性和效率。研究背景设定在机场识别这一实际应用场景，以TM（Thematic Mapper）影像作为原始数据，这是遥感领域常用的一种高光谱成像设备。 论文的核心内容围绕特征级信息融合展开。作者首先对可用于机场识别的关键特征进行了深入分析，包括光谱特征、纹理特征和几何形状特征。这些特征的选择基于它们在区分机场结构和地貌方面的独特作用。将这三种特征组合成一个7维矢量，作为BP网络的输入，以捕捉机场的多维度特性。 论文重点讨论了BP网络的运用，包括训练、测试和识别三个步骤。通过改进的BP算法，如附加动量法和Levenberg-Marquardt算法，提高了网络的性能，使得网络能够更有效地处理和融合不同特征之间的信息。这种技术旨在克服单一特征可能存在的局限性，通过信息融合得到更为全面和精确的机场识别结果。 在信息融合的层次划分中，论文指出并非所有层次都代表技术难度的递增，而是根据任务需求和图像处理的不同阶段来选择。在这个案例中，作者选择了特征级融合，因为它能在保持光谱信息的同时，结合多源数据的互补性，增强识别的准确性，实现了所谓的“1+1>3”的效果。 这篇论文通过实例展示了人工神经网络在机场识别中的实际应用，强调了特征级信息融合的重要性，并提供了改进的BP网络作为实现这一目标的有效工具。这种方法对于提高遥感图像处理和目标识别的精度具有重要意义，特别是在机场等具有明确几何形态、纹理和光谱特性的场景中。