基于自适应共振模型的遥感影像分类方法研究

人工神经网络 (ANN)是人视觉和脑的基本功能的抽象、简化和模拟。在对遥感影像的综合解译应用中 ,与传统的统计方法和符号逻辑方法相比较 ,ANN更接近人对影像的视觉解译分析过程。自适应共振理论 (ART)是一种自组织产生认知编码的神经网络理论 ,其自组织、反馈式增量学习机能 ,能兼顾适应性和稳定性 ,克服了一般神经网络学习速度慢、网络结构难以确定、局部最小陷阱等缺陷。以FUZZY ART和ARTMAP为基础 ,提出基于ART遥感影像非监督和监督分类的一般模型 ,并以实际土地覆盖分类和城市结构信息提取为应用实例 ,通过与传统统计方法和一般ANN分类器相比较 ,ART具有正确率更高、学习速度快、自适应性等优点 ,是复杂数据分类和信息提取的有效工具。