论文部分内容阅读
遥感分类是遥感图象分析与处理的核心内容之一.随着遥感光谱分辨率的不断提高,目前对遥感分类的研究也从传统的数理统计分类逐渐转向以人工神经网络、专家系统为代表的人工智能分类上来.本文的主要研究目标就是利用人工神经网络、专家系统等人工智能手段进行遥感图像分类,来解决传统的基于数理统计的遥感图像分类的不足,提高遥感图像分类的精度与效率,从而推动遥感技术的进一步发展与应用.本文主要进行了以下工作:1)把数理统计中的最大似然法,人工神经网络中的B P神经网络、R B F神经网络、Kohonen神经网络的基本理论,与实际的遥感影像相结合,提出了各自的遥感分类模型,并进行了实例研究,测试并分析了其分类精度;2)完成了遥感分类专家系统的设计,对其关键部分知识库、推理机进行研究,并用经验规则进行了水体专题提取实验;3)用线性模型和B P神经网络进行了子像素分类的初步研究,并进行了相应的实验与分析.基于上述模型与实验,本文从数理统计、人工神经网络、专家系统和子像素分类这四个方面比较全面地概括了目前遥感智能分类的主要研究内容.本文把这些遥感分类算法看成一个整体,一个具有层次结构的体系结构,从这个角度对遥感分类进行研究与总结,并得出以下儿点结论.1)在用不同的算法或理论进行遥感影像分类的时候,遥感分类模型需要结合遥感数据的实际,仔细考虑、精心设计,某些参数需要多次试验.2)遥感智能分类应该是一个具有层次结构的体系,而不应该仅仅是一些单一的、孤立的算法.从整体上去研究、把握遥感分类是推动遥感分类进一步发展的关键.3)不管是数理统计分类、人工智能分类,以及子像素分类都有一定的适用范围.面对不同的遥感分类任务与目标,应该利用不同层次的分类手段.总之,对于遥感分类,单一的分类算法、单一的遥感数据源在以后都将难以胜任高速增长的遥感数据的要求.总的趋势是融合多种算法、利用多种数据源(RS、GIS)的高度综合的具有层次结构的遥感智能分类体系.