自组织神经网络土地覆盖图像识别分析应用.PDFVIP

维普资讯 第9卷 第3期 地 球 信 息 科 学 Vo1．9．No．3 2007年 6月 GE0一INF0RMATION SCIENCE June，2007 自组织神经网络的土地覆盖图像识别分析应用 吐热尼古丽 ·阿木提 ，张晓帆 (1新疆师范大学地理科学与旅游学院，乌鲁木齐 830054；2新疆大学资源与环境科学学院，乌鲁木齐 830046) 摘要：土地利用／土地覆盖数据的识别，采用传统的方法进行类型识别运算量大，精度也不太理想。本文重点讨论采 用 自组织神经网络方法 ，并在 MATLAB平 台下对其算法进行 了实现 ，最后将分类识别结果与最大似然法分类结果 进行 了精度 比较分析。结果表 明，其分类精度明显高于最大似然法 的分类精度 ，是一种土地覆盖图像识别分类的有 效方法 。 关键词：自组织神经网络；遥感图像；土地覆盖；分类 ；MATLAB 1引言 织、自学习网络，其最大的优点在于其极强的非线 性映射能力，主要功能在于其很好的联想记忆、分 人工神经 网络 (ArtificialNeuralNet)是近年来 类及优化决策能力。它分为两层：输入层和竞争层。 发展起来的十分热 门的交叉学科 ，它涉及生物 、电 输入层各神经元通过权向量将输入样本的信息汇 子 、计算机 、数学和物理等学科 ，具有非常广泛 的应 集到竞争层的各神经元 输入层的节点数与样本的 用背景 人工神经 网络是从模拟人脑神经系统 的结 维数相同．竞争层也是输出层 ．神经元 的排列有多种 构和功能出发而构造 的一种 自适应非线性动态系 形式，如一维线阵、二维平面阵和三维栅格阵，其中 统 神经网络 的学习就是针对样本 。根据某种规则 二维平面阵最为典型 在这种网络 中．处于空间中 f学习算法1修改权值 ，直到权值大小和分布满足要 不 同区域的神经元有不 同的分工 ．当一个神经 网络 求 ．使神经网络能够实现预期的功能。 接受外界输入模式时．将会分为不同的区域，各区 由于遥感图像数据具有多传感器、多平台、多 域对输入模式具有不同的响应特性 SOM 网络 的一 时相 、多光谱 、多波段和多分辨率的特点，随着人工 个典型特性就是可 以在一维或二维的处理单元阵 神经网络系统理论尤其是专家系统的发展 ．以高斯 列上形成输入信号的特征拓扑分布 ．因此 SOM 网 概率分布为基础的最大似然法分类不再是遥感土 络具有抽取输入信号模式特征的能力 SOM网络模 地覆盖分类识别处理的最佳方法 ．而神经网络技术 型由以下4个部分组成：(1)处理单元阵列。用于接 日益成为土地覆盖分类的有效手段 ．并有逐步取代 受事件输入 ．并且形成对这些信号的 “判别函数”： 最大似然法的趋势 本文在 MATLAB开发平 台下 (2)比较选择机制 ，用于比较 “判别函数”，并选择一 构建 自组织神经网络对遥感图像进行土地覆盖分 个具有最大函数输 出值的处理单元；f31局部互连 类 ．试图达到预定 的识别精度。 作用 ．用于同时激励被选择的处理单元及其最邻近 的处理单元；(4)自适应过程 。用于修正被激励 的处 2自组织特征映射 (S0M)神经网络 理单元的参数 ．以增加其对应于特定输入 “判别函 数”的输 出值 识别应用分析