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)絡對傳統(tǒng)ART2A-C 網(wǎng)絡做了改進。論文分別利用現(xiàn)有網(wǎng)絡和改進算法對遙感影像作了聚類，實驗結(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;遙感影像和航空圖像聚類;模糊交
遙感影像的自動分類是遙感圖像處理領(lǐng)域中的一個重要內(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地物的信息，其中首先要對地物類型進行識別，這就要求先對遙感影像進行分類。遙感影像復雜、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)，人們難以對其進行精確辨認。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處理后識別者仍然很難明確影像圖中單個像素的確切類別，而且識別結(jié)果完全出于個人的視覺感官和主觀理解與聯(lián)想，帶有很大的主觀性。因此用于目標獲取前期處理的遙感影像分類，應該盡量使用圖像的客觀信息先對影像中的不同個體進行自動聚類，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)絡在模式識別領(lǐng)域有著廣泛的應用，近年來也被大量應用于遙感影像分類。神經(jīng)網(wǎng)絡是一種非參數(shù)分類器，它有著良好的大規(guī)模并行處理和很強的自適應、自學習能力，并且不需要數(shù)據(jù)的先驗概率分布知識，因此在與統(tǒng)計方法的比較中，神經(jīng)網(wǎng)絡方法體現(xiàn)出了巨大的優(yōu)越性。自組織競爭神經(jīng)網(wǎng)絡采用無教師學習方式、是在學習和工作過程中競爭學習的一種神經(jīng)網(wǎng)絡，美國科學家G. A. Carpenter 和S. Grossberg 提出的ART 網(wǎng)絡是一種向量模式的識別器，它根據(jù)存儲的模式對輸入向量進行分類，不需要預先已知結(jié)果的樣本，能夠進行實時學習并適應非平穩(wěn)的環(huán)境。ART 作為一種摹仿人腦認知過程的自組織聚類算法，在解決近代日益復雜的大量數(shù)據(jù)聚類和分類時，具有獨特優(yōu)點，它能對輸入信號向量進行模式分類、聚類，在人工智能、系統(tǒng)識別和故障診斷、數(shù)據(jù)壓縮編碼等許多領(lǐng)域有實用價值。
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)絡使聚類效果得到了改善。