基于融合技术的神经网络亚像元定位模型优化方案

传统监督型神经网络进行亚像元定位的考虑角度基本一样，尽管可以通过多次的训练来获取比较精确的定位结果，但是获取的精度总是非常有限，特别是当重建尺度大的时候，由于信息源只能通过原始MS影像来获取，数据不够充分，所得到的结果精度往往不能满足要求。如果在遥感影像亚像元定位的过程中，能够有其他的信息源加入遥感影像亚像元定位模型作为有效的补充，那结果精度一定会大大提高。

遥感影像数据融合是一种数据综合处理技术，它能够对不同空间分辨率、不同波谱分辨率的遥感影像进行综合利用，使获得观测地区或目标的信息更加完整与准确，弥补了单一信息源的缺陷（Chavez等，1991；Gross and Schott，1998；Robinson等，2000；Ranchin等，2003）。利用该技术，可以将低空间分辨率、高光谱分辨率的影像与高空间分辨率、低光谱分辨率的影像组合成一幅同时具有高空间分辨率与高光谱分辨率的影像。最典型的例子就是将同一个传感器获得的全色影像和多光谱影像进行融合，得到高空间分辨率的多光谱影像，该融合影像比原始影像的信息更加丰富，为我们提供了一个额外的补充信息。(www.xing528.com)

作者尝试用融合影像代替原始影像，提高其分辨率，然后对高分辨率的融合影像通过线性反向推导公式，求解其对应每个端元类别的百分比，以其作为神经网络的输入端。这样获得的混合分解结果包含了融合影像的信息，显然，其分辨率要比原始MS影像的混合分解结果的分辨率高，然后利用Fuzzy ARTMAP 神经网络亚像元定位模型进行定位，期望获得更好的结果。主要的改进步骤包括以下几个方面。