Применение искусственных нейронных сетей для классификации данных дистанционного зондирования Земли

Существует большое количество методов, используемых для классификации данных ДЗЗ. Пожалуй, наиболее популярным является способ, основанный на математической статистике – метод максимального правдоподобия. Он обеспечивает достаточное качество распознавания, однако использование этого алгоритма не всегда возможно ввиду его жесткой привязки к функции распределения вероятностей. Статистические методы просты в применении, наиболее распространены в современном программном обеспечении для обработки данных ДЗЗ, но в то же время имеют существенные недостатки: необходимость априорной информации о законе распределения и больших объемов обучающих данных для определения статистических закономерностей. Проблема возникает в случае лимитированности обучающих данных – не всегда есть возможность собрать достаточно репрезентативную выборку. Недостатки традиционных статистических методов характерно проявляются при обработке данных высокого и сверхвысокого пространственного разрешения. Широкое распространение высокоточных материалов ДЗЗ и нарастающая популярность гиперспектральных изображений заставляют задумываться о разработке новых методов распознавания. Высокий уровень различий спектральных характеристик пространственно близких областей значительно уменьшает точность результатов классификации. Искусственные нейронные сети (ИНС) представляют собой перспективный подход к распознаванию материалов ДЗЗ. Исследования применимости ИНС для тематического дешифрирования данных ДЗЗ ведутся с начала 1990-х годов Использование искусственных нейронных сетей стимулируется их важными отличиями от статистических классификаторов: отсутствием необходимости получения априорной информации относительно входных данных, устойчивостью к ошибкам при обработке неполных или частично некорректных входных образов и формированием нелинейных границ решений в пространстве признаков. В случае применения нейросетевого подхода возникает проблема подбора оптимальной архитектуры и способа построения сети. Наиболее популярными моделями ИНС, используемыми для классификации данных ДЗЗ являются многослойный персептрон с обучением по алгоритму обратного распространения ошибки и сети радиально-базисных функций. Правильный выбор позволяет реализовать наиболее подходящую конфигурацию для решения поставленной задачи с требуемым уровнем точности.Исследование направлено на поиск оптимального алгоритма построения искусственной нейронной сети для управляемой классификации данных ДЗЗ в условия лимитированной обучающей выборки на основе данных систем Landsat и SPOT. Также оно включает в себя разработку программного инструмента для более точного картографирования изучаемой территории Красноярского края.