第8章 自動(dòng)識(shí)別分類-2

1、 監(jiān)督分類監(jiān)督分類非監(jiān)督分類非監(jiān)督分類8-3 監(jiān)督分類監(jiān)督分類 1一一 監(jiān)督分類監(jiān)督分類1）確定每個(gè)類別的樣區(qū)2）學(xué)習(xí)或訓(xùn)練3）確定判別函數(shù)和相應(yīng)的判別準(zhǔn)則4）計(jì)算未知類別的樣本觀測(cè)值函數(shù)值5）按規(guī)則進(jìn)行像元的所屬判別2原始遙感圖像原始遙感圖像對(duì)應(yīng)的專題圖像對(duì)應(yīng)的專題圖像3 (一一) 判決函數(shù)和判決規(guī)則判決函數(shù)和判決規(guī)則 1 判決函數(shù)判決函數(shù) 當(dāng)各個(gè)類別的判別區(qū)域確定后，用來(lái)表當(dāng)各個(gè)類別的判別區(qū)域確定后，用來(lái)表示和鑒別某個(gè)特征矢量屬于哪個(gè)類別的函示和鑒別某個(gè)特征矢量屬于哪個(gè)類別的函數(shù)。數(shù)。 42 判別規(guī)則判別規(guī)則 這種判斷的依據(jù)，我們稱之為判別規(guī)則這種判斷的依據(jù)，我們稱之為判別規(guī)則 判斷特征矢

2、量屬于某類的依據(jù)判斷特征矢量屬于某類的依據(jù)5概率判別函數(shù)：概率判別函數(shù)：把某特征矢量（把某特征矢量（X）落入某類）落入某類集群集群 的條件概率的條件概率 當(dāng)成分類判決函數(shù)（概率當(dāng)成分類判決函數(shù)（概率判決函數(shù)）判決函數(shù)）貝葉斯判別規(guī)則：貝葉斯判別規(guī)則：把把X落入某集群落入某集群wi的條件概的條件概率率P (wi/X)最大的類為最大的類為X的類別的類別以錯(cuò)分概率或風(fēng)險(xiǎn)最小為準(zhǔn)則的判別規(guī)則以錯(cuò)分概率或風(fēng)險(xiǎn)最小為準(zhǔn)則的判別規(guī)則 1、概率判決函數(shù)和貝葉斯判決規(guī)則、概率判決函數(shù)和貝葉斯判決規(guī)則6根據(jù)貝葉斯公式可得：P (wi) wi 類出現(xiàn)的概率，也稱先驗(yàn)概率。類出現(xiàn)的概率，也稱先驗(yàn)概率。P (wi/X)

3、在在wi 類中出現(xiàn)類中出現(xiàn)X的條件概率，的條件概率， 也稱也稱wi 類的似然概率。類的似然概率。P (X/wi) X屬于屬于wi 的后驗(yàn)概率。的后驗(yàn)概率。 P (X) 對(duì)各個(gè)類別都是一個(gè)常數(shù)，對(duì)各個(gè)類別都是一個(gè)常數(shù)，故可略去所以，判決函數(shù)可用下式表示：故可略去所以，判決函數(shù)可用下式表示： )()/()(iiiPXPXd)()()/()/(XPPXPXPiii7為了計(jì)算方便，將上式可以用取對(duì)數(shù)方式來(lái)處理。即 同類地物在特征空間服從 正態(tài)分布，則類別 的概率密度函數(shù): )(ln|ln212ln2)()(21)(1iiiiTiiPnMXMXXd)(ln)/(ln)(iiiPXPXd)()(21exp

4、)2()/(12/2/ 1MXMXXPTn8去掉與去掉與i值無(wú)關(guān)的項(xiàng)對(duì)分類結(jié)果沒(méi)有影響，因此上式值無(wú)關(guān)的項(xiàng)對(duì)分類結(jié)果沒(méi)有影響，因此上式可簡(jiǎn)化為：可簡(jiǎn)化為： 相應(yīng)的貝葉斯判決規(guī)則為：相應(yīng)的貝葉斯判決規(guī)則為：若對(duì)于所有可能的若對(duì)于所有可能的 j =1,2,m; ji 有有 , 則則X屬于屬于 類。類。根據(jù)概率判決函數(shù)和貝葉斯判決規(guī)則來(lái)進(jìn)行的分類根據(jù)概率判決函數(shù)和貝葉斯判決規(guī)則來(lái)進(jìn)行的分類通常稱為最大似然分類法。通常稱為最大似然分類法。 )(ln|ln21)()(21)(1iiiiTiiPMXMXXd9貝葉斯判決規(guī)則是以錯(cuò)分概率最小的最優(yōu)準(zhǔn)則 102、距離判決函數(shù)和判決規(guī)則、距離判決函數(shù)和判決規(guī)則基

5、本思想是設(shè)法計(jì)算未知矢量基本思想是設(shè)法計(jì)算未知矢量X到有關(guān)到有關(guān)類別集群之間的距離，哪類距離它最近，類別集群之間的距離，哪類距離它最近，該未知矢量就屬于那類。該未知矢量就屬于那類。概率判決函數(shù)那樣偏重于集群分布的概率判決函數(shù)那樣偏重于集群分布的統(tǒng)統(tǒng)計(jì)性質(zhì)計(jì)性質(zhì)，距離判決函數(shù)偏重于集群分布的，距離判決函數(shù)偏重于集群分布的幾何位置幾何位置。 11 根據(jù)距離判決函數(shù)分類12距離判別規(guī)則是按最小距離判別的原則距離判別規(guī)則是按最小距離判別的原則 馬氏（馬氏（Mahalanobis）距離）距離 歐氏（歐氏（Euclidean）距離）距離 計(jì)程（計(jì)程（Taxi）距離）距離 基于距離判別函數(shù)和判別規(guī)則，在實(shí)踐

6、中以基于距離判別函數(shù)和判別規(guī)則，在實(shí)踐中以此為原理的分類方法稱為最小距離分類法。此為原理的分類方法稱為最小距離分類法。 131 1）馬氏距離）馬氏距離 )()(1iiTiMiMXMXd馬氏距離幾何意義：馬氏距離幾何意義：X X到類重心之間的加權(quán)距到類重心之間的加權(quán)距離，其權(quán)系數(shù)為協(xié)方差。離，其權(quán)系數(shù)為協(xié)方差。 判別函數(shù)：在各類別先驗(yàn)概率和判別函數(shù)：在各類別先驗(yàn)概率和集群體積集群體積| 都都相同情況下的概率判別函數(shù)相同情況下的概率判別函數(shù)則有14n在馬氏距離的基礎(chǔ)上，作下列限制在馬氏距離的基礎(chǔ)上，作下列限制n將協(xié)方差矩陣限制為對(duì)角的將協(xié)方差矩陣限制為對(duì)角的n沿每一特征軸的方差均相等沿每一特征軸的

7、方差均相等2)()(iiTiEiMXMXMXd歐氏距離是馬氏距離用于分類集群的形狀歐氏距離是馬氏距離用于分類集群的形狀都相同情況下的特例。都相同情況下的特例。 2 2）歐氏距離）歐氏距離 則有15nX到集群中心在多維空間中距離的絕對(duì)到集群中心在多維空間中距離的絕對(duì)值之總和來(lái)表示值之總和來(lái)表示 mjijTiMXd1|3 3）計(jì)程（）計(jì)程（TaxiTaxi）距離）距離16173、其它的判決函數(shù)和判決規(guī)則、其它的判決函數(shù)和判決規(guī)則 盒式分類法基本思想盒式分類法基本思想: 以一個(gè)包括該集群的以一個(gè)包括該集群的“盒子盒子”作為該作為該集群的集群的判別函數(shù)判別函數(shù)。判決規(guī)則判決規(guī)則為若未知矢量為若未知矢量

8、X落入該落入該“盒盒子子”，則，則X分為此類，否則再與其它盒子分為此類，否則再與其它盒子比較。比較。18例如例如對(duì)于對(duì)于A類的盒子，類的盒子，其邊界（最小值和最其邊界（最小值和最大值）分別是大值）分別是X1=a、X1=b；X2=c、X2=d。這種分類法。這種分類法在盒子重疊區(qū)域有錯(cuò)在盒子重疊區(qū)域有錯(cuò)分現(xiàn)象。分現(xiàn)象。錯(cuò)分與比較錯(cuò)分與比較盒子的先后次序有關(guān)。盒子的先后次序有關(guān)。 19(二二) 分類過(guò)程分類過(guò)程 原始影像數(shù)據(jù)的準(zhǔn)備原始影像數(shù)據(jù)的準(zhǔn)備圖像變換及特征選擇圖像變換及特征選擇分類器的設(shè)計(jì)分類器的設(shè)計(jì)初始類別參數(shù)的確定初始類別參數(shù)的確定逐個(gè)像素的分類判別逐個(gè)像素的分類判別形成分類編碼圖像形成分

9、類編碼圖像輸出專題圖輸出專題圖20 選擇樣本區(qū)域21計(jì)算每個(gè)類別的 M 和 ，建立類別的判別函數(shù)水老城區(qū)新城區(qū)植被紅紅255255耕地0藍(lán)藍(lán)255 將樣本數(shù)據(jù)在特征空間進(jìn)行聚類22根據(jù)判別函數(shù)逐個(gè)像素的分類判別23？老城區(qū)老城區(qū)分類結(jié)果影像的形成分類結(jié)果影像的形成24分類得到的專題圖25(三三) 影響監(jiān)督分類精度的幾個(gè)方面影響監(jiān)督分類精度的幾個(gè)方面: 1. 特征變換和特征選擇特征變換和特征選擇根據(jù)感興趣地物的特征進(jìn)行有針對(duì)性的根據(jù)感興趣地物的特征進(jìn)行有針對(duì)性的特征變換，加快分類速度，提高分類精度。特征變換，加快分類速度，提高分類精度。 2. 分類的類別數(shù)與實(shí)際是否相符分類的類別數(shù)與實(shí)際是否相符

10、?26 3. 訓(xùn)練樣區(qū)的選擇訓(xùn)練樣區(qū)的選擇訓(xùn)練樣區(qū)的選擇要注意訓(xùn)練樣區(qū)的選擇要注意準(zhǔn)確性、代表性準(zhǔn)確性、代表性和統(tǒng)計(jì)性和統(tǒng)計(jì)性三個(gè)問(wèn)題。三個(gè)問(wèn)題。準(zhǔn)確性就是要確保選擇的樣區(qū)與實(shí)際地準(zhǔn)確性就是要確保選擇的樣區(qū)與實(shí)際地物的一致性物的一致性代表性一方面指所選擇區(qū)為某一地物的代表性一方面指所選擇區(qū)為某一地物的代表，另一方面還要考慮到地物本身的復(fù)代表，另一方面還要考慮到地物本身的復(fù)雜性，所以必須在一定程度上反映同類地雜性，所以必須在一定程度上反映同類地物光譜特性的波動(dòng)情況物光譜特性的波動(dòng)情況統(tǒng)計(jì)性是有足夠多的像元。統(tǒng)計(jì)性是有足夠多的像元。274 . 分類方法（判決函數(shù)和判決規(guī)則）分類方法（判決函數(shù)和判決

11、規(guī)則）28( (四四) )監(jiān)督法分類的優(yōu)缺點(diǎn)監(jiān)督法分類的優(yōu)缺點(diǎn)優(yōu)點(diǎn)：優(yōu)點(diǎn)： .根據(jù)應(yīng)用目的和區(qū)域，有選擇的決定分類類別，根據(jù)應(yīng)用目的和區(qū)域，有選擇的決定分類類別，避免出現(xiàn)一些不必要的類別；避免出現(xiàn)一些不必要的類別； .可以控制訓(xùn)練樣本的選擇可以控制訓(xùn)練樣本的選擇 .可以通過(guò)檢查訓(xùn)練樣本來(lái)決定訓(xùn)練樣本是否被可以通過(guò)檢查訓(xùn)練樣本來(lái)決定訓(xùn)練樣本是否被精確分類，從而避免分類中的嚴(yán)重錯(cuò)誤精確分類，從而避免分類中的嚴(yán)重錯(cuò)誤,分類分類精度高精度高 . 避免了非監(jiān)督分類中對(duì)光譜集群的重新歸類避免了非監(jiān)督分類中對(duì)光譜集群的重新歸類 .分類速度快分類速度快29n主觀性；主觀性；n由于圖象中間類別的光譜差異，使得訓(xùn)

12、練樣由于圖象中間類別的光譜差異，使得訓(xùn)練樣本沒(méi)有很好的代表性；本沒(méi)有很好的代表性；n訓(xùn)練樣本的獲取和評(píng)估花費(fèi)較多人力時(shí)間；訓(xùn)練樣本的獲取和評(píng)估花費(fèi)較多人力時(shí)間；n只能識(shí)別訓(xùn)練中定義的類別。只能識(shí)別訓(xùn)練中定義的類別。缺點(diǎn)缺點(diǎn)308-4非監(jiān)督分類非監(jiān)督分類二二 非監(jiān)督分類非監(jiān)督分類僅憑遙感影像地物的光譜特征的分布僅憑遙感影像地物的光譜特征的分布規(guī)律，即自然聚類的特性，進(jìn)行規(guī)律，即自然聚類的特性，進(jìn)行“盲目盲目”的分類；的分類；其類別的屬性是通過(guò)分類結(jié)束后目視其類別的屬性是通過(guò)分類結(jié)束后目視判讀或?qū)嵉卣{(diào)查確定的。判讀或?qū)嵉卣{(diào)查確定的。31(一一) K-均值聚類法均值聚類法K-均值算法的聚類均值算法的

13、聚類準(zhǔn)則準(zhǔn)則是使每一聚類是使每一聚類中，多模式點(diǎn)到該類別的中心的距離的中，多模式點(diǎn)到該類別的中心的距離的平方和最小。平方和最小。 基本思想基本思想是：通過(guò)迭代，逐次移動(dòng)各類是：通過(guò)迭代，逐次移動(dòng)各類的中心，直至得到最好的聚類結(jié)果為止。的中心，直至得到最好的聚類結(jié)果為止。32333435缺點(diǎn)缺點(diǎn):這種算法的結(jié)果受到所選聚類這種算法的結(jié)果受到所選聚類中心的數(shù)目和其初始位置以及模式分布中心的數(shù)目和其初始位置以及模式分布的幾何性質(zhì)和讀入次序等因素的影響，的幾何性質(zhì)和讀入次序等因素的影響，并且在迭代過(guò)程中又沒(méi)有調(diào)整類數(shù)的措并且在迭代過(guò)程中又沒(méi)有調(diào)整類數(shù)的措施，因此可能產(chǎn)生不同的初始分類得到施，因此可能產(chǎn)

14、生不同的初始分類得到不同的結(jié)果。不同的結(jié)果。36(二二) ISODATA算法聚類分析算法聚類分析 可以可以自動(dòng)地進(jìn)行類別的自動(dòng)地進(jìn)行類別的“合并合并”和和“分裂分裂”，從而得到類數(shù)比較合理的，從而得到類數(shù)比較合理的聚類結(jié)果。聚類結(jié)果。 37選定初始類別中心選定初始類別中心輸入迭代限值參數(shù)輸入迭代限值參數(shù):I,Tn, TS ,TC對(duì)樣本像素進(jìn)行聚類并統(tǒng)計(jì)對(duì)樣本像素進(jìn)行聚類并統(tǒng)計(jì)ni,m,ni TS 確定分裂后的中心確定分裂后的中心DIK TC 確定并類后的中心確定并類后的中心輸出輸出否否否否是是否否否否是是ISODATA算法過(guò)程框圖算法過(guò)程框圖 每類集群允許每類集群允許 的最大標(biāo)準(zhǔn)差的最大標(biāo)準(zhǔn)差

15、 集群允許的最集群允許的最 短距離短距離 每類集群至少每類集群至少的點(diǎn)數(shù)的點(diǎn)數(shù) 是是迭代次數(shù)迭代次數(shù)3839(三三) 平行管道法聚類分析平行管道法聚類分析 它以地物的它以地物的光譜特性曲線為基礎(chǔ)光譜特性曲線為基礎(chǔ)，同類地物在特征空間上表現(xiàn)為以特征同類地物在特征空間上表現(xiàn)為以特征曲線為中心，以相似閾值為半徑的管曲線為中心，以相似閾值為半徑的管子，此即為所謂的子，此即為所謂的“平行管道平行管道”。 這種聚類方法實(shí)質(zhì)上是一種基于這種聚類方法實(shí)質(zhì)上是一種基于最鄰近規(guī)則的試探法。最鄰近規(guī)則的試探法。 40418-5 非監(jiān)督分類與監(jiān)督分類的結(jié)合非監(jiān)督分類與監(jiān)督分類的結(jié)合通過(guò)非監(jiān)督法將一定區(qū)域聚類成不同通過(guò)

16、非監(jiān)督法將一定區(qū)域聚類成不同的單一類別的單一類別 監(jiān)督法再利用這些單一類別區(qū)域監(jiān)督法再利用這些單一類別區(qū)域“訓(xùn)訓(xùn)練練”計(jì)算機(jī)計(jì)算機(jī) 使分類使分類精度精度得到保證的前提下，分類得到保證的前提下，分類速度速度得到了提高得到了提高 428-6 分類后處理和誤差分析分類后處理和誤差分析一分類后處理一分類后處理1、分類后專題圖像的格式、分類后專題圖像的格式遙感影像經(jīng)分類后形成的專題圖，用編號(hào)、遙感影像經(jīng)分類后形成的專題圖，用編號(hào)、字符、圖符或顏色表示各種類別。字符、圖符或顏色表示各種類別。43 原始遙感圖像對(duì)應(yīng)的專題圖像442、 分類后處理分類后處理 用光譜信息對(duì)影像逐個(gè)像元地分類，在用光譜信息對(duì)影像逐

17、個(gè)像元地分類，在結(jié)果的分類地圖上會(huì)出現(xiàn)結(jié)果的分類地圖上會(huì)出現(xiàn)“噪聲噪聲”45 n“噪聲噪聲” 地類交界處的像元中包括有多種類別，地類交界處的像元中包括有多種類別，其混合的幅射量造成錯(cuò)分類其混合的幅射量造成錯(cuò)分類分類是正確的，但某種類別零星分布于分類是正確的，但某種類別零星分布于地面，占的面積很小，我們對(duì)大面積的地面，占的面積很小，我們對(duì)大面積的類型感興趣。類型感興趣。46平滑時(shí)中心像元值取周圍占多數(shù)的類別 47平滑前后的一個(gè)例子48 二、分類后的誤差分析二、分類后的誤差分析利用一些樣本對(duì)分類誤差進(jìn)行估計(jì)。利用一些樣本對(duì)分類誤差進(jìn)行估計(jì)。采集樣本的方式有三種類型：采集樣本的方式有三種類型： 來(lái)自

18、監(jiān)督分類的訓(xùn)練樣區(qū)；來(lái)自監(jiān)督分類的訓(xùn)練樣區(qū)； 專門選定的試驗(yàn)場(chǎng)；專門選定的試驗(yàn)場(chǎng)； 隨機(jī)取樣。隨機(jī)取樣。 49n混淆矩陣 分類精度的評(píng)定 實(shí)際類別 試驗(yàn)像元的百分比%類別1 類別2 類別3 試驗(yàn)像元 1 2 3 84.3 4.9 10.8 8.5 80.3 11.2 6.1 4.1 89.8100% 102100% 152100% 4950平均精度平均精度nS =（84.3%+80.3%+89.8%）/3=84.8%加權(quán)平均精度加權(quán)平均精度nS =84.3%*102+80.3%*152+89.8%*49）/(102+152+49)=83.2%51檢驗(yàn)混淆矩陣21p1np1p12p22p2np2

19、pnp1np2nnpnp1p2pnpp實(shí)測(cè)數(shù)據(jù)類型 分類數(shù)據(jù)類型實(shí) 測(cè)總和12n12 .n分類總和11p52njijipP1= niijjpP1p為分類所得到的第i類的總和； 為實(shí)際觀測(cè)的第j類的總和； 樣本總數(shù)總體分類精度制圖精度：正確分類/參考數(shù)據(jù)中的該類用戶精度：正確分類/所有分為該類iiiuppPj/jjjApppj/PpPnkkki/1與分類精度有關(guān)的參數(shù)53Kappa分析（系數(shù)）riiiririiiiippNpppNK1211)()(54n遙感數(shù)據(jù)本身制約n光譜：相似性，時(shí)相與環(huán)境n空間分辨力n分類方法n單點(diǎn)分類n空間結(jié)構(gòu)信息沒(méi)有利用55知識(shí)回顧：知識(shí)回顧：監(jiān)督分類與非監(jiān)督分類監(jiān)督

20、分類與非監(jiān)督分類制約分類精度的原因制約分類精度的原因提高分類精度的方法n1.分類前預(yù)處理n校正（輻射和幾何）n變換n空間信息提取（ 紋理）n2.分類樹(shù)與分層分類n一次分類不能滿足精度要求時(shí)，進(jìn)行多次分類56提高分類精度的方法n3.混合分類（多分類器結(jié)合）n監(jiān)督法與非監(jiān)督法n4.多種信息復(fù)合n遙感信息非遙感信息n5.與GIS集成nGIS與遙感數(shù)據(jù)復(fù)合分類n間接支持分類n用于選樣區(qū)，檢驗(yàn)樣區(qū)，糾正等57提高分類精度的方法n6.基于目標(biāo)的遙感圖像分類nE-COGNITION軟件n圖象分割n模糊分類n精度評(píng)定588-7 非光譜信息在遙感圖像分類中的應(yīng)用非光譜信息在遙感圖像分類中的應(yīng)用一一 高程信息在遙

21、感圖像分類中的應(yīng)用高程信息在遙感圖像分類中的應(yīng)用 1.地面高程地面高程“影像影像”可以直接與多光譜影可以直接與多光譜影像一起對(duì)分類器進(jìn)行訓(xùn)練像一起對(duì)分類器進(jìn)行訓(xùn)練 597.5米等高線60DEM影像61 2.將地形分成一些較寬的高程帶，將多光將地形分成一些較寬的高程帶，將多光譜影像按高程帶切片（或分層），然后譜影像按高程帶切片（或分層），然后分別進(jìn)行分類。分別進(jìn)行分類。62二二 紋理信息在遙感圖像分類中的應(yīng)用紋理信息在遙感圖像分類中的應(yīng)用 紋理信息提取紋理信息提取:目前用得比較多的方法包目前用得比較多的方法包括：共生矩陣法、分形維方法、馬爾可夫隨括：共生矩陣法、分形維方法、馬爾可夫隨機(jī)場(chǎng)方法等。

22、機(jī)場(chǎng)方法等。63Cosmo-SkyMed高分辨率雷達(dá)圖像高分辨率雷達(dá)圖像 641.紋理影像直接與多光譜影像一起對(duì)分類紋理影像直接與多光譜影像一起對(duì)分類器進(jìn)行訓(xùn)練器進(jìn)行訓(xùn)練2.先利用多光譜信息對(duì)遙感圖像進(jìn)行自動(dòng)先利用多光譜信息對(duì)遙感圖像進(jìn)行自動(dòng)分類。再利用紋理特征對(duì)光譜分類的結(jié)分類。再利用紋理特征對(duì)光譜分類的結(jié)果進(jìn)行進(jìn)一步的細(xì)分果進(jìn)行進(jìn)一步的細(xì)分3. 智能的方法智能的方法 (神經(jīng)元網(wǎng)絡(luò)方法等神經(jīng)元網(wǎng)絡(luò)方法等)6589 計(jì)算機(jī)自動(dòng)分類的新方法計(jì)算機(jī)自動(dòng)分類的新方法一一 面向?qū)ο蟮倪b感信息提取面向?qū)ο蟮倪b感信息提取問(wèn)題的提出問(wèn)題的提出 基于像素級(jí)別的信息提取以單個(gè)像素基于像素級(jí)別的信息提取以單個(gè)像素

23、為單位為單位,過(guò)于著眼于局部而忽略了附近整過(guò)于著眼于局部而忽略了附近整片圖斑的幾何結(jié)構(gòu)情況，從而嚴(yán)重制約片圖斑的幾何結(jié)構(gòu)情況，從而嚴(yán)重制約了信息提取的精度了信息提取的精度66方法方法 首先對(duì)圖像數(shù)據(jù)進(jìn)行影像首先對(duì)圖像數(shù)據(jù)進(jìn)行影像分割分割,影像影像的最小單元不再是單個(gè)的像素，而是一的最小單元不再是單個(gè)的像素，而是一個(gè)個(gè)個(gè)個(gè)對(duì)象對(duì)象(圖斑圖斑), 后續(xù)的影像分析和處理后續(xù)的影像分析和處理也都基于對(duì)象進(jìn)行。也都基于對(duì)象進(jìn)行。67 優(yōu)點(diǎn)優(yōu)點(diǎn) 面向?qū)ο蟮倪b感信息提取，綜合考慮面向?qū)ο蟮倪b感信息提取，綜合考慮了光譜統(tǒng)計(jì)特征、形狀、大小、紋理、了光譜統(tǒng)計(jì)特征、形狀、大小、紋理、相鄰關(guān)系等一系列因素，因而具有更高相鄰關(guān)系等一系列因素，因而具有更高精度的分類結(jié)果。精度的分類結(jié)果。68二二 神經(jīng)元網(wǎng)絡(luò)方法神經(jīng)元網(wǎng)絡(luò)方法 （Artificial Neural Netwroks，簡(jiǎn)稱ANN） 人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)是由具有適應(yīng)性的簡(jiǎn)單單是由具有適應(yīng)性的簡(jiǎn)單單元組成的廣泛并行互連的網(wǎng)絡(luò)，它的組織元組成的廣泛并行互連的網(wǎng)絡(luò)，它的組織能夠模擬生物神經(jīng)系統(tǒng)對(duì)真實(shí)世界物體作能夠模擬生物神經(jīng)系統(tǒng)對(duì)真實(shí)世界物體作出交互反應(yīng)。出交互反應(yīng)。69 ANN與經(jīng)典計(jì)算