基于人工神經網絡的高維遙感數據分類研究.pdf

1、高光譜遙感技術是過去三十年中人們在測譜學方面所取得的重大技術突破之一，是當前遙感領域的前沿技術。相對于傳統(tǒng)的多光譜，高光譜遙感數據具有波段眾多、各波段相關性較強、計算量大等特點，這對相應的數據處理技術提出了很高的要求。
　　高光譜影像分類技術是高光譜遙感應用的關鍵技術之一，對于環(huán)境監(jiān)測、海洋生態(tài)與軍事戰(zhàn)場環(huán)境探測具有重要的意義。人工神經網絡模式分類是近年來發(fā)展起來的數據分類方法之一。與傳統(tǒng)的統(tǒng)計分類方法相比，神經網絡不需要預先對樣

2、本空間作參數化統(tǒng)計分布假設，并可以將多種數據信息，例如紋理特征、地形信息和光譜信息等信息融合到分類器中。
　　由于神經網絡具有以上優(yōu)點，研究基于人工神經網絡的高光譜遙感影像分類方法很有必要的。本文主要完成工作如下：
　　(1)介紹了高光譜遙感的基本概念、成像原理和成像光譜儀的國內外發(fā)展現狀。比較幾種經典的模式分類方法，包括：編碼匹配算法、光譜角匹配方法、平行六面體法、K-均值算法、迭代自組織數據分析算法、最大似然判別法、費歇

3、爾線性判別分類和決策樹判別法等。
　　(2)分析了高光譜影像數據的特點，介紹了神經網絡的一般模型、基于神經網絡的高光譜遙感影像分類流程以及各個階段處理的具體內容，并總結了應用神經網絡進行高光譜影像分類的優(yōu)點。針對遙感數據維數過高的問題，介紹了幾種數據降維的方法，以改進神經網絡分類性能。
　　(3)通過對多種實驗數據，包括共享遙感數據以及項目實測遙感數據的分類研究，顯示了BP神經網絡在用于高光譜遙感影像分類的有效性。