基于神经网络的遥感影像分类提取与精度分析开题报告

1. 研究目的与意义

遥感技术作为一种空间探测技术,已成为获取地球资源和环境信息的重要手段。遥感图像数据具有多源性、空间宏观性、时间周期性、多光谱特性、多空间分辨率等特性，但遥感图像在分析处理过程中存在海量数据、波段相关性、处理过程的非线性等困难，而基于的神经网络遥感影像分类方法与传统的基于数理统计的分类方法相比，分类结果的精度有所提高，并且神经网络与其他非线性算法组合也已成为重要的发展趋势，并在许多领域得到广泛应用。因此以遥感数据为载体，研究基于神经网络的遥感影像分类方法，并对其分类精度进行分析，具有较高的理论意义和实用价值。

2. 国内外研究现状分析

近年来神经网络所应用的网络模型从单一的反向传播网络发展到自组织网络、分层网络、模糊神经网络和混合网络等多种模型，应用范围也从土地覆盖、林地、农作物分类发展到了目标识别等领域，而神经网络模型在模式识别应用中的最大研究突破是BP神经网络算法的提出，它的应用有效地提高了分类结果的精度。

3. 研究的基本内容与计划

研究内容：学习envi系统的操作，重点学习envi系统中基于神经网络的影像分类部分。熟悉神经网络理论、遥感影像分类算法、matlab语言，能够应用matlab语言编程实现遥感影像分类的神经网络算法。

研究计划：

2.132.19：根据选题，查找资料；

4. 研究创新点

应用Matlab实现神经网络算法并应用于遥感影像监督分类，提高遥感影像分类精度。