神經網絡分類

特征提取和選擇完成后，再利用分類器進行圖像目標分類，本文采用神經網絡中的BP網絡進行分類。在設計神經網絡結構時，要考慮網絡的層數、每層的神經元數和每層的激活函數。標準BP神經網絡分3層，即輸入層、隱含層和輸出層。

按照這種分層，因神經網絡的輸入是特征選擇的輸出，故從1~9中選擇，神經網絡的輸入層神經元數應在1~9中選擇。輸出層神經元個數可以為待分類的目標類別數，也可以按照類別進行編碼，滿足m類的輸出，用個輸出單元，即兩類的輸出用=1個輸出單元。當輸出為1時可以判定為第一類，輸出為2時為第二類。隱層單元數的選擇是一個復雜的問題，即隱層單元數與問題的要求、輸入輸出單元的多少都有直接的關系。

對于用作分類的BP網絡，因為隱層單元的輸入和輸出之間是單調上升的非線性函數，所以其隱層單元數目太少可能訓練不出來，或網絡不夠“強壯”，不能識別以前沒有看到的樣本，容錯性差，但隱層單元數目太多又使學習過程太長，誤差也不一定最佳，因此存在一個最佳的隱層單元數，下面給出求解方法

分類結果分析
圖2為原始的遙感圖像，通過人工判讀，確定將圖像中的地物分為道路、居民區和高層建筑3類，每類選取1 000個學習樣本，總共3 000個學習樣本，在9個特征量中選取3個，因此網絡的輸入層節點數為3，經計算，隱層取5個節點。