: Groß, M.; Seibert, F.

Abstract
Der folgende Beitrag beschreibt neue Ansätze zur Klassifikation sowie zur Clusteranalyse multispektraler Landsat TM Daten mittels neuronaler Netze. Dazu werden zunächst die Grundlagen eingesetzter neuronaler Netze und ihre Vorteile bei nicht gaußverteilten Stichproben im Merkmalraum erläutert. Weiterhin werden die untersuchten Netztopologien und -modelle vorgestellt, wobei für die Klassifikation überwacht trainierte zweistufige Backpropagation Netze auf Pixel- und Texturebene zugrunde gelegt wurden. Zur Clusternalyse hingegen wurde ein verallgemeinertes selbstorganisierendes Kohonen Map gewählt, dessen Ergebnisse durch direkte Abbildung der Netztopologie im Ausgangslayer auf den RGB-Farbwürfel visualisiert werden können. Aufgrund der topologischen Nachbarschaftsbeziehungen kennzeichnet die Ähnlichkeit von Pixelfarben Klassenverwandschaften im Merkmalraum. Die Arbeitsweise der vorgestellten Techniken wird Anhand von Beispielsklassifikationen erläutert.