基于基本竞争型神经网络的tm影像分类研究

[目的]针对传统遥感图像分类方法精度低的缺点,运用基本竞争型神经网络模型对tm影像进行分类研究.[方法]在考虑tm影像光谱信息和地表结构变化信息的基础上,应用经过基本竞争型神经网络训练后的分类器对tm影像进行分类研究,并与利用最大似然法的分类结果进行比较.[结果]研究区tm影像采用基本竞争型神经网络进行分类的总体分类精度和kappa系数分别为89.1%和0.873,而采用最大似然法分别为70.6%和0.646,前者的分类精度明显高于后者.[结论]基本竞争型神经网络的分类结果明显优于最大似然法的分类结果.