基于神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類研究.pdf

1、高光譜遙感作為一種新型遙感技術(shù)在軍用和民用的多個(gè)領(lǐng)域中發(fā)揮著重要的作用。高光譜數(shù)據(jù)具有波段數(shù)目眾多、各波段相關(guān)性強(qiáng)、運(yùn)算量大的特點(diǎn)，這對(duì)相應(yīng)的處理技術(shù)也就提出了很高的要求。
　　 高光譜圖像分類的研究是高光譜遙感應(yīng)用的主要內(nèi)容之一。人工神經(jīng)網(wǎng)絡(luò)模型是近年來發(fā)展起來的綜合數(shù)據(jù)分類方法之一。與傳統(tǒng)統(tǒng)計(jì)方法的分類器相比較，人工神經(jīng)網(wǎng)絡(luò)法不需要預(yù)先假設(shè)樣本空間的參數(shù)化統(tǒng)計(jì)分布，正在被越來越普遍的應(yīng)用于高光譜圖像圖像分類的研究。
　

2、　 由于神經(jīng)網(wǎng)絡(luò)具有以上的優(yōu)點(diǎn)，研究基于神經(jīng)網(wǎng)絡(luò)的高光譜遙感圖像分類方法是十分有必要的。本論文的目的就是對(duì)自組織特征映射網(wǎng)絡(luò)、自適應(yīng)共振網(wǎng)絡(luò)的結(jié)構(gòu)、訓(xùn)練算法進(jìn)行研究，并結(jié)合其它的理論知識(shí)，尋找有效的高光譜遙感圖像分類方法。論文主要完成以下工作：
　　 首先，分析高光譜圖像數(shù)據(jù)特性，介紹了神經(jīng)網(wǎng)絡(luò)的一般模型，高光譜圖像的分類流程以及各處理階段的內(nèi)容；并指出了用神經(jīng)網(wǎng)絡(luò)進(jìn)行高光譜圖像分類的優(yōu)點(diǎn)。
　　 其次，針對(duì)于傳統(tǒng)的S

3、OM網(wǎng)絡(luò)對(duì)高光譜圖像分類精度低的缺點(diǎn)，結(jié)合自組織映射網(wǎng)絡(luò)的結(jié)構(gòu)、聚類特點(diǎn)，提出了改進(jìn)自組織映射網(wǎng)絡(luò)。采用模糊積分與神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類方法，即在改變網(wǎng)絡(luò)的學(xué)習(xí)速率函數(shù)和鄰域函數(shù)的前提下，同時(shí)對(duì)分類結(jié)果采用基于模糊積分的信息融合，使分類器之間相互補(bǔ)償，并用高光譜圖像的分類實(shí)驗(yàn)進(jìn)行驗(yàn)證。
　　 再次，本文將遞歸自組織映射網(wǎng)絡(luò)用于高光譜圖像分類。RSOM(Recursive SOM)算法是自組織映射網(wǎng)絡(luò)算法的一種快速實(shí)現(xiàn)。它采用樹形結(jié)