概率神经网络在超谱图像分类中的应用

针对超谱图像高维光谱信息给传统分类带来的困难,结合径向基神经网络的原理,提出了一种概率神经网络分类方法。并将其成功应用到具体超谱图像数据中,验证了概率神经网络分类器的有效性。通过实验仿真,研究了特征向量维数对分类结果的影响,证明概率神经网络可应用于大于100个波段的超谱图像数据。

成像光谱技术超谱图像分类研究现状与分析

超谱遥感图像由于其高光谱分辨率的特点正受到国外国内的广泛关注。在解决了前期的辐射校正及定标等问题以后 ,超谱图像的推广应用是当务之急。超谱遥感图像的分类研究对农作物生长状况的监测、矿物的识别、海洋水色分析以及其他方面的许多应用都是很有价值的。文章概述了国内外在成像光谱技术方面的发展 ,并首次以像元的构成成分为依据 ,从纯像元和混合像元的角度对分类方法进行了论述。对超谱图像分类技术研究现状的归纳和分析 ,旨在寻找突破点 。