人工神经网络在遥感图像处理中应用.pdfVIP

人工神经网络在遥感图像处理中的应用 张兴娟，郭嗣琮，赵晶晶，王文文，吕燕 辽宁工程技术大学测绘与地理信息技术学院，辽宁阜新（123000 ） E-mail：zhangxingjuan-1101@163.com 摘 要：本文介绍了遥感图像处理过程中的问题及神经网络的特性，对传统分类方法和神经 网络分类进行了介绍，并在权值调整过程中进行了改进，冲量项的加入使收敛速度加快，防 止了振荡。 关键词：神经网络；图像分类；遥感 0. 引言 随着雷达卫星观测分辨率的大幅提高，现在可以从遥感数据中获取更多详尽的信息。伴 随着“数字地球”概念的提出，越来越多的民用场合需要使用到遥感，包括资源调查、自然灾 害观测、大气气象预报等。不同场合的应用也对遥感图像的计算机自动处理提出了更复杂的 要求。然而，人们对遥感信息的认识和利用程度要远远落后于通过空间和航空系统获取信息 源的速度。目前，遥感图像处理中的基本问题有：数据量巨大，包含信息丰富，但是难以有 效提取，串行处理速度慢；“噪声”信息(即不关心或不需要的信息)过多，常常降低处理的精 度和可靠性；处理过程本质上是非线性的，用线性方法逼近存在许多困难；在图像复原处理 时常出现病态逆矩阵等等。人工神经网络(artificial neural network，ANN)是由大量简单神经 元广泛相互联接而成的非线性映射或自适应动力系统，是在神经及脑科学的研究成果指导下 建立起来的从结构上模拟人脑运行机理的物理模型。ANN对遥感图像处理有用的特性有[1] ： (1)计算过程巨量并行、高度分布，这使其能以极快的速度处理大量的数据和求解非常复杂 的问题；(2)具有自学习、自适应和自组织能力，对外表现为可以适应多种不同的问题空间 及能很好地抑制噪声和信息缺失对最优解的影响；对内表现为很好的容错性，即可以通过自 适应与自组织来消除坏神经元的影响；(3)ANN是内禀非线性系统，能“ 自然地”实现各种非 线性映射和求解各种分界面十分复杂和高度非线性的分类和模式识别问题。由于两者内在互 补性，ANN 已经应用于遥感图像处理的不同层次和诸多方面，如遥感图像复原、变换和分 类等，并且取得了很好的效果，本文主要就神经网络在遥感图像分类中的应用进行了研究。 1. 遥感图像分类方法概述 遥感图像通过像元灰度值的高低差异（反映地物的波谱特性）和空间变化（反映地物的空 间分布）来表示不同属性地物目标及其分布状况。遥感图像的计算机自动识别分类，就是根 据遥感图像数据特征的差异和变化，通过计算机处理，自动输出地物目标的识别分类结果。 遥感图像自动分类的实施方法有两条截然不同的技术路线[2] ：一、监督分类，又称训练分类 法，即利用已知其属性类别的像元样区训练计算机掌握各样类的统计值，并以此为依据对逐 个像元进行识别分类。监督分类可分两个基本步骤：（1）选择训练样本和提取统计信息； （2 ）选择合适的分类算法，主要算法有平行算法、最小距离法、最大似然法；二、无监分 类，也称为聚类分析或点群分析，即在没有先验知识（不选取类别样区）的情况下，仅根据 图像本身的统计特征进行识别分类。主要包括集群法、图形识别法。除了以上分类方法外， 还有模糊分类和神经元网络方法。 -1- 2. 人工神经网络分类 传统的遥感图像分类方法中，都是利用遥感数据的统计特征（如非监督分类）或遥感数 据与训练样本数据之间的统计关系（如监督分类），依据一种判别准则来进行地物分类的。 这与人眼对图像识别分类有很大差异。人对图像的识别解释，除运用图像本身的特征外，更 多的是利用以往工作中所积累的知识与经验，在被分类图像特征的引导下，自行改造其自身 的结构及其识别分类方式，经过反复实践，直至获得较满意的结果。 神经网络技术就是试图模拟人脑的这些功能，建立起一种简化的人脑神经系统数学模型， 这种方法在遥感图像自动识别分类中已初显其优越性[3] 2.1 人工神经网络的基本原理 神经网络主要有处理单元、网络拓扑结构和训练规则组成。处理单元即神经元，是神经 网络的基本操作单元，用以模拟人脑神经元的功能。一个神经元有多个