海冰的冻结、融化和漂流不仅会影响气候的变化,而且还会妨碍海上交通、危及海上油气开发。海冰灾害更是对海上交通、石油开发和海洋工程造成巨大的损失。为了给海上运输和海上工程提供海冰的实况和预报,以保障海区的正常交通运输和海上生产作业的正常进行。发达国家都在重点研究合成孔径雷达海冰监控系统和海冰识别、分类与特征参数反演算法。 我国环渤海地区经济发达,海上交通繁忙,海上油气勘探和开发方兴未艾,但每年冬季都有部分海区有不同程度的结冰现象,从11月中旬开始到第二年的3月中旬结束,整个冰期约3～4个月。为给海上交通、石油开发和海洋工程提供保障,我国也将在海冰监控和海冰预报方面加大研究力度。目前我国在SAR海冰监测的硬件设备方面已经具备一定的条件(多为军用),而在智能信息处理的软件方面仍存在空缺。所以,利用SAR卫星遥感技术监测海冰是一个亟待发展和完善的课题,而遥感图像的模式识别工作是影响海冰监测准确性的关键。 本论文采用图像的纹理特征结合人工神经网络的方法对SAR图像进行模式识别,提出了一种解决此种模式识别问题的有效方法。 由于人工神经网络(ANN)方法适合于处理非线性系统,具有自组织、自学习、自适应和联想能力,故通过对样本反复训练,能辨别各类样本特征差异。本论文的核心工作就是将人工神经网络的方法应用于SAR海冰图像数据的智能分析处理。考虑到对图像进行处理时的自适应性和实时性的要求,在众多的人工神经网络模型中,本论文选择了模式识别应用最普遍效果相对较好的网络模型——BP神经网络模型,提出了一种适用于SAR海冰图像数据的智能识别的神经网络理论模型,并且用计算机软件方法实现了神经网络系统的模式识别功能。以SAR图像数据样本作为输入,训练神经网络系统,输出判别结果。本文的实验表明,人工神经网络模型算法自身的特点决定了它在海冰识别方面良好适用性,将成为解决此类问题较好的方法,同时也预见SAR在探测海冰、监测海冰方面是一种很有潜力的工具。