人工神经网络在植被遥感影像分类中的应用研究

比起传统的统计方法，人工神经网络具有很好的非线性处理和并行计算能力，在植被遥感信息处理中得到广泛的应用。本研究系统地介绍了人工神经网络理论及其在植被遥感信息处理中的应用现状。并就如何提高人工神经网络的相干被遥感影像的分类能力进行了详细研究。首次提出了结合植被指数和组成分分析的神经网络分类方法。过去这方面的研究工作大都集中在通过选择一个合适的神经网络模型来提高植被分类精度，而我们认为：根据植被遥感自身的规律，结合统计方法，确定合适的网络输入模式的特征变量，也可以提高分类精度。 研究结果表明，尽管一般的神经网络分类器不需要对输入的模式做明显的特征提取，网络的隐层就具有特征提取的功能。但对TM影像七个波段和常用的五个植被指数（PVI、NDVI、WDVI、PVI、MSAVI2），分别做主成分分析，从而获得人工神经网络输入的特征变量，使用这样一种结合VI、PCA的神经网络对遥感TM多波段影像进行植被分类，能大大提高分类的精度。