海水和海冰表面粗糙度有着很大差异,并且海冰的厚度、分布形态和成冰时间长短都会影响到海冰的表面介电常数和粗糙度。根据这一原理,合成孔径雷达(Synthetic Aperture Radar,SAR)图像被广泛地应用于监测海冰分布、海面浮冰流动方向等领域。为保障海区的正常交通运输和海上生产作业的正常进行,许多发达国家现已利用SAR监测海冰,为海上运输和海上工程提供海冰的实况和预报。目前我国加强了这方面的研究和与国外的合作交流,并且在SAR海冰监测的硬件设备方面已经具备了一些条件,但是在智能信息处理的软环境还有一定的不足和空白。本论文就是建立在对SAR海冰遥感图像的模式识别工作的基础上展开实验的。 在图像处理方面,本文使用了利用灰度共生矩阵(Gray-Level Co-occurrence Matrix)计算SAR海冰图像纹理特征的统计方法,然后结合SAR图像像素灰度值组成特征矩阵,并以此作为智能识别系统进行分类的依据。 在系统的建构方面,本文根据神经网络所具有的自组织、自学习、自适应以及联想能力的特点,本着提高系统SAR海冰图像分类精度的目的,建立了一种复合基(RBF-BP)神经网络模型,并选用了最常用的两种典型网络模型:BP神经网络和RBF神经网络对同一幅SAR海冰图像进行处理比较。通过实验对比,复合基神经网络模型对SAR海冰图像的识别效果和分类精度(93.70%)都要优于其余两种网络模型(86.75%、90.56%)。