【摘要】：人工神经网络遥感影像分类是近年来发展起来的综合数据分类方法之一。其目标是利用人工神经网络技术的并行分布式知识处理手段，以遥感影像为处理对象，建立基于ANN的遥感影像分类专家系统。表4-1 几种典型的ANN模型基于人工神经网络的遥感影像分类包含两个步骤:一是根据选区的样本数据，网络进行自学习(训练);二是利用学习结果对整幅遥感图像进行分类。
人工神经网络分类法_城市遥感
4．4．1 人工神经网络分类法
人工神经网络(artificial neural network，ANN)的概念在20世纪40年代提出，是以模拟人的神经系统的结构和功能为基础而建立的一种信息处理系统，由大量简单的处理单元(神经元)连接而成，模仿人的大脑进行数据接收、处理、存储和传输，是人脑的某种抽象、简化和模拟。它属于非线性学科，由于具有强抗干扰性、高容错性、并行分布式处理、自组织学习和分类精度高等特点而得到广泛应用。
人工神经网络遥感影像分类是近年来发展起来的综合数据分类方法之一。其目标是利用人工神经网络技术的并行分布式知识处理手段，以遥感影像为处理对象，建立基于ANN的遥感影像分类专家系统。目前处于应用和研究中的ANN模型很多，表4-1列举了几种有代表性的模型。
表4-1 几种典型的ANN模型
基于人工神经网络的遥感影像分类包含两个步骤:一是根据选区的样本数据，网络进行自学习(训练);二是利用学习结果对整幅遥感图像进行分类。网络训练过程为:将训练数据逐个输入网络进行正向计算，求出网络对每一个样本在输入层的输出误差，然后反向传播对连接权值进行修正，完成样本的学习过程。完成一轮样本的学习后，将所得各样本的误差求和求其平均值。如果平均误差未达到预定的精度，则进行新一轮的学习，直到满足精度要求。网络学习完成后将影像中的像素灰度规格化后逐一输入网络，然后将网络输出结果与每一类期望输出值进行比较，将像素判决分类到误差最小的一类。具体流程图参见图4-10，图4-11给出神经网络分类结果。
图4-10 神经网络分类流程图
图4-11 神经网络分类结果
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
