从径向基函数神经网络的理论出发, 针对高光谱数据的特点, 设计了有效的特征提取模型, 再与径向基函数神经网络的输入层连接, 建立了一个新的径向基函数神经网络的高光谱遥感影像分类模型, 并用国产OMISII 传感器获得的64 波段数据进行试验。首先进行了最小噪声分离变换, 提取了1～20 个分量的数据, 使用提取后的数据(20 维) 、提取后数据的纹理变换(20 维) 和主成分分析的前(20 维) , 组成了60 维向量数据进行分类处理, 这种分类器结构简单、容易训练、收敛速度快, 其分类精度达到69127 % , 高于BP 神经网络分类算法(51120 %) 以及常用的最小距离分类(MDC) 算法(40188 %) 。通过对结果和过程进行分析,实验证明径向基函数神经网络在高光谱遥感分类中具有较好的适用性。
