基于独立分量分析的神经网络在多光谱遥感影像分类中的应用

摘要

盲源分离是指在源信号、传输通道的参数未知的情况下，根据输入源信号的统计特性，仅由观测信号恢复出源信号各个分量的过程。独立分量分析（ICA）是针对独立源信号的各分量分离问题提出的，是盲源分离的特例。独立分量分析算法在遥感图像分类方面的应用不多，从遥感图像的成像机理理解独立分量分析在遥感中的应用也没有。目前，在遥感图像分类方面，李祚泳采用神经网络对多波段遥感图像进行监督分类，分类精度优于传统方法，但是存在着学习速度慢，容易陷入局部极小、网络难以收敛等缺点。吴芳等人对TM数据先进行了主成分分析降维，再采用神经进行监督分类，提高分类的精度和速度。本文用独立分量分析取代传统的主成分分析，然后用径向基神经网络作为其分类器，对分类过程及结果进行分析，并与传统分类方法进行比较。