遥感图像是地物电磁波谱特征的实时记录,通过亮度值或像素值的差异及空间变化来表示不同属性的地物目标及其分布情况,真实地展现了地球表面物体的形状、大小、颜色等信息。近年来,随着遥感技术的不断发展,不断生产出从粗到精的海量遥感数据,人们可从这些数据中获取有用的信息,并广泛应用于国防、农业、灾害监测、城市规划等领域。面对每日以TB级增长的海量遥感数据,人们及时获取的有用信息非常有限,大量的卫星遥感数据尚未得到充分有效的利用,造成了遥感图像信息资源的极大浪费。现有遥感图像信息提取和海量数据处理技术难以满足当前遥感大数据应用的要求,如何从这些数据中,高效、准确、自动提取地物专题信息,是当前遥感技术面临的一个亟待解决的难题。目前,遥感图像信息提取方法发展迅速。究其主要原因,它不仅包括遥感技术、图像处理、模式识别、人工智能等内容,而且涉及土地利用、环境监测、灾害预测、城市规划等领域。由于前沿学科模糊逻辑理论、模糊神经元网络理论、物元理论、灰色理论系统理论、粗糙集理论等的不断发展和军事、民用的实际需要,使遥感图像信息提取方法也得到不断改进和发展。人工神经网络(Artificial Neural Network,即ANN)具有抗干扰、高容错性、自适应性信息处理和记忆能力等优势,近年来,在遥感图像信息提取领域得到了成功应用,并取得了许多研究成果。但现有人工神经网络技术在遥感图像信息提取中,存在着网络训练过程慢,不易收敛等缺陷。同时,由于遥感图像目标的多样性、数据的不确定性等因素,影响了遥感图像分类的精度,尚不能实现自动提取,已不能满足实际应用的迫切需要。模糊逻辑理论与神经网络相结合,可发挥其各自的优势,隶属度能很好地描述遥感图像信息间的复杂关系。补偿模糊神经网络是补偿模糊逻辑和神经网络的混合结合,由面向控制和面向决策的模糊神经元组成。补偿模糊神经元的引入,使网络能够从初始正确定义的模糊规则或者错误定义的模糊规则进行训练,使网络容错性更高,训练速度更快,系统更稳定。补偿模糊神经网络最能体现遥感图象信息提取的内在特征,是人工智能、信息自动提取研究的重要内容之一。当前,模糊神经网络应用于遥感图像信息提取的研究不多,至今还没有一个公认成熟的技术,尚需进一步深入研究和完善。为此,本文研究的主题是:“基于补偿模糊神经网络的遥感图像信息提取”。本研究将补偿模糊神经网络理论引入到遥感图像信息提取中,旨在建立适合实际应用的遥感图像信息提取方法,为遥感图像在相关领域的应用提供更加有效的科学方法和科学依据。本文在深入分析、研究现有遥感图像信息提取方法的基础上,提出了基于补偿模糊神经网络遥感图像信息提取方法,并对该法在信息提取中涉及到的网络结构设计、隶属函数确定、样本构造、特征选择与提取等关键问题进行了深入研究,建立了与之相应的补偿模糊神经网络计算模型,并将该方法和模型在遥感图像信息提取中进行了实验研究。在实验研究中,对单一特征、双特征组合、三特征组合、多特征融合的遥感图像信息提取进行了深入研究。同时,为验证本文提出的基于补偿模糊神经网络遥感图像信息提取方法的可行性和有效性,采用行业公认的eCognition商业软件中面向对象的提取方法和作者提出的归一化三波段指数NDTBI法对其进行了比较研究。所做的主要工作和得出的主要结论如下。其中,(1)、(2)、(3)和(8)为本文创新点。(1)通过对现有遥感图像信息提取方法的分析研究,提出了基于补偿模糊神经网络理论的遥感图像信息提取方法,并给出了提取的一般步骤;(2)通过对现有补偿模糊神经网络结构的分析研究,对网络结构进行了优化,提出了遥感图像信息提取的六层补偿模糊神经网络结构,并建立了补偿模糊神经网络遥感图像信息提取的一般模型;(3)通过对现有人工神经网络遥感图像信息提取中训练样本构造的分析研究,提出了训练样本集与测试集相分离的直接参考Google Earth提供的高分辨率遥感图像生成训练样本的方法;(4)通过对现有遥感图像纹理、颜色、形状、波谱等单一特征提取方法的分析研究,提出了基于补偿模糊神经网络理论的遥感图像信息单一特征提取的方法,并建立了相应的补偿模糊神经网络计算模型;(5)通过对现有遥感图像多特征信息提取的分析研究,提出了基于补偿模糊神经网络理论的二特征组合、三特征组合等多特征融合的遥感图像信息提取方法,并建立了相应的补偿模糊神经网络计算模型;(6)以MATLAB软件为平台,编写了单一特征、二特征组合、三特征组合、四特征等多特征融合的信息提取、图像预处理、分块计算、精度评价等程序,为解决遥感图像信息提取问题提供了有效的计算工具;(7)采用所提出的补偿模糊神经网络遥感图像信息提取方法,通过对纹理、颜色、形状、波谱等单一特征;对纹理与颜色、纹理与形状、纹理与波谱、颜色与形状、颜色与波谱、形状与波谱等2特征组合;对纹理、颜色与形状,纹理、颜色与波谱,形状、颜色与波谱等3特征组合;纹理、颜色、形状、波谱等4特征融合,分别进行了深入的实验研究。研究发现,单一特征提取的效果相对较差,4特征融合提取效果最好;(8)采用行业公认的eCognition商业软件中面向对象的提取方法和作者提出的归一化三波段指数NDTBI法对其进行了比较研究;(9)研究结果表明,本文提出的基于补偿模糊神经网络遥感图像信息提取方法是可行性的。该法无需对测试图像进行前期的复杂解译,网络训练完毕后,不受人工干预,耗时短、计算速度快、提取精度高,可实现信息的自动提取,便于实际应用。对遥感图像信息自动、准确、高效提取可提供有益的借鉴和参考。