本文提出了一種基于模糊算子的ART2A-C 遙感影像分類算法。算法結(jié)合原有幾種高性
能的ART 網(wǎng)絡(luò)對傳統(tǒng)ART2A-C 網(wǎng)絡(luò)做了改進(jìn)。論文分別利用現(xiàn)有網(wǎng)絡(luò)和改進(jìn)算法對遙感影像作了聚類，實(shí)驗(yàn)結(jié)果表明新算法的分類性能明顯優(yōu)于原算法。
關(guān)鍵詞:ART 神經(jīng)網(wǎng)絡(luò);遙感影像和航空圖像聚類;模糊交
遙感影像的自動(dòng)分類是遙感圖像處理領(lǐng)域中的一個(gè)重要內(nèi)容，并已廣泛用于軍事和民用方面。遙感技術(shù)的根本目的在于獲取目標(biāo)地物的信息，其中首先要對地物類型進(jìn)行識(shí)別，這就要求先對遙感影像進(jìn)行分類。遙感影像復(fù)雜、攜帶的信息量大，且由于成像環(huán)境和角度的不同較普通圖像專業(yè)，人們難以對其進(jìn)行精確辨認(rèn)。通常，在遙感影像經(jīng)過針對圖像模糊，輻射量失真輻射校正和幾何校正等預(yù)處理后識(shí)別者仍然很難明確影像圖中單個(gè)像素的確切類別，而且識(shí)別結(jié)果完全出于個(gè)人的視覺感官和主觀理解與聯(lián)想，帶有很大的主觀性。因此用于目標(biāo)獲取前期處理的遙感影像分類，應(yīng)該盡量使用圖像的客觀信息先對影像中的不同個(gè)體進(jìn)行自動(dòng)聚類，然后再根據(jù)聚類結(jié)果對各區(qū)域利用主觀信息將不同的類別于各種類型的地物相關(guān)聯(lián)。
人工神經(jīng)網(wǎng)絡(luò)在模式識(shí)別領(lǐng)域有著廣泛的應(yīng)用，近年來也被大量應(yīng)用于遙感影像分類。神經(jīng)網(wǎng)絡(luò)是一種非參數(shù)分類器，它有著良好的大規(guī)模并行處理和很強(qiáng)的自適應(yīng)、自學(xué)習(xí)能力，并且不需要數(shù)據(jù)的先驗(yàn)概率分布知識(shí)，因此在與統(tǒng)計(jì)方法的比較中，神經(jīng)網(wǎng)絡(luò)方法體現(xiàn)出了巨大的優(yōu)越性。自組織競爭神經(jīng)網(wǎng)絡(luò)采用無教師學(xué)習(xí)方式、是在學(xué)習(xí)和工作過程中競爭學(xué)習(xí)的一種神經(jīng)網(wǎng)絡(luò)，美國科學(xué)家G. A. Carpenter 和S. Grossberg 提出的ART 網(wǎng)絡(luò)是一種向量模式的識(shí)別器，它根據(jù)存儲(chǔ)的模式對輸入向量進(jìn)行分類，不需要預(yù)先已知結(jié)果的樣本，能夠進(jìn)行實(shí)時(shí)學(xué)習(xí)并適應(yīng)非平穩(wěn)的環(huán)境。ART 作為一種摹仿人腦認(rèn)知過程的自組織聚類算法，在解決近代日益復(fù)雜的大量數(shù)據(jù)聚類和分類時(shí)，具有獨(dú)特優(yōu)點(diǎn)，它能對輸入信號(hào)向量進(jìn)行模式分類、聚類，在人工智能、系統(tǒng)識(shí)別和故障診斷、數(shù)據(jù)壓縮編碼等許多領(lǐng)域有實(shí)用價(jià)值。
本文采用用于連續(xù)值向量的ART2的完善模型之ART2A-E對遙感圖像和航空圖像進(jìn)行聚類，并將原有的ART2A-C 模型和模糊ART 結(jié)合得到一種基于模糊算子的ART2A-C 網(wǎng)絡(luò)使聚類效果得到了改善。