神经网络研究现状
光谱分析因其能够灵敏、高精度、无破坏、快速地检测物质的化学成分和相对含量而广泛应用于分析化学、生物化学与分子生物学、农业、医学等领域。
目前,光谱分析技术日趋成熟,引入光谱分析理论的高光谱遥感技术应用日益广泛,尤其是在农业领域,可以有效地获取农田信息、判断作物长势、估测作物产量、提取病害信息。
光谱分析技术虽然具有很强的物质波谱“透视力”,但在分析 “同谱异物” 和 “异物同谱”等方面需要与现代分析手段相结合,如小波变换、卡尔曼滤波、人工神经网络(Artificial Neural Net-work,ANN)、遗传算法(Genetic Algorithm,GA)等。
在光谱分析领域,ANN多用于物质生化组分的定量分析(陈振宁等,2001;印春生等,2000),在光度分析中也有较多应用,如,于洪梅等(2002)利用ANN分析铬和锆的混合吸收光谱,并结合分光度法对二者进行测定。
ANN在非线性校准与光谱数据处理等方面也有应用(Blank,1993;方利民等;2008)。
而在模式识别中ANN应用最为广泛,如,Eiceman et al.(2006)利用遗传算法(是ANN的一种)对混合小波系数进行分类识别。
目前,自组织特征映射(Self-organizing Feature Maps,SOFM)神经网络在高光谱影像的模式识别方面,国内外还较少有研究与应用,而结合遥感波谱维光谱分析技术的应用研究就更少。
SOFM常用于遥感图像处理方面,如,Moshou et al.(2005)利用SOFM神经网络进行数据融合,使分类误差减小到1%;Doucette et al.(2001)根据SOFM设计的SORM算法,从分类后的高分辨率影像中提取道路;Toivanen et al.(2003)利用SOFM神经网络从多光谱影像中提取边缘,并指出该方法可应用于大数据量影像边缘的提取;Moshou et al.(2006)根据5137个叶片的光谱数据,利用SO