基于RBF神經(jīng)網(wǎng)絡(luò)的遙感圖像分類和基于結(jié)構(gòu)特征的水體識別.pdf

1、與傳統(tǒng)統(tǒng)計方法的分類器相比較,人工神經(jīng)網(wǎng)絡(luò)（ANN）方法應(yīng)用于遙感影像分類,不需預(yù)先假設(shè)樣本空間的參數(shù)化統(tǒng)計分布,具有復(fù)雜的映射能力大多數(shù).基于徑向基函數(shù)（RBF）映射理論的神經(jīng)網(wǎng)絡(luò)模型融合了參數(shù)化統(tǒng)計分布模型和非參數(shù)化線性感知器映射模型的優(yōu)點,在實現(xiàn)快速學(xué)習(xí)的同時,保持了高度復(fù)雜的映射能力.該文探討RBF映射理論在遙感影像分類中的具體算法和實現(xiàn)過程,給出了一種基于自適應(yīng)聚類間距的快速聚類算法（SFFCDG）的RBF訓(xùn)練算法和一種樹型R

2、BF網(wǎng)絡(luò)構(gòu)造算法.然后以實際的遙感土地覆蓋分類為例,通過與最大似然分類算法（MLC）相比較,對分類過程和結(jié)果進(jìn)行了綜合分析,認(rèn)為RBF方法在學(xué)習(xí)速度、網(wǎng)絡(luò)結(jié)構(gòu)、分類精度等方面具有一定的優(yōu)勢.利用光譜信息無法對提取的水體進(jìn)行分類.但不同類型的水體其面積、周長、形狀等幾何特征各有特點,并且與地貌類型有一定的關(guān)系.利用水體的空間特征信息,分析不同流水作業(yè)本的空間特征特點,以此建立不同水體與空間特征的知識表達(dá)模型或水體分類決策規(guī)則,可以對水體進(jìn)