1、該文主要介紹了神經網絡在微波遙感領域的地面參數反演和地物識別與分類上的應用,并用ENVISAT-ASAR數據和AirSAR數據做了實際分析.近些年來,使用神經網絡進行參數的反演和地物的識別與分類是一種重要和先進的方法.他充分利用了神經網絡的特性,解決了遙感領域參數反演和分類的許多復雜的問題和操作.神經網絡與散射模型相結合使得準確和實時的進行參數反演和分類成為可能.這里我們使用的神經網絡是用快速學習算法(FL)訓練的多層前饋網絡(MLP)

2、,訓練速度和精度與傳統神經網絡相比都有較大提高,網絡結構是全連接的.反演使用的模擬數據是用IEM模型得到的,并用來訓練神經網絡.因此,訓練數據可以被認為是從一個完全知道隨機粗糙表面得到的數據.神經網絡的數據是各個角度和極化的后向散射系數(σ<'0>(θ)),輸出是地面的散射參數,包括層介電常數(ε)、地表相關長度(kl)、和地表粗糙度(kσ).同樣,神經網絡也能夠被應用的地物識別與分類中.該次研究中,還是使用與剛才一樣的全連接的、使用F