基于小波变换和SVM的遥感图像分类的中期报告.docx

基于小波变换和SVM的遥感图像分类的中期报告
1.研究背景
遥感图像分类是遥感技术的一个重要应用之一，可以应用于自然灾害监测、城市规划、陆地利用等领域。传统的遥感图像分类方法主要基于图像像元的统计特征进行分类，存在分类效果不佳、特征信息不能充分利用等问题。因此，近年来，学者们开始利用小波变换等技术对遥感图像进行特征提取，并采用支持向量机（SVM）等分类器进行分类，取得了较好的效果。
2.研究内容
本研究基于小波变换和SVM的遥感图像分类，具体研究内容如下：
①采用小波变换对遥感图像进行特征提取。
②采用支持向量机进行遥感图像分类，对比不同核函数下的分类效果，选择适当的核函数。
③提出了一种结合小波变换和SVM的遥感图像分类方法，探究该方法在遥感图像分类中的应用。
3.进展情况
(1)已完成对多种小波变换进行分析和比较，选择了Haar小波作为特征提取方法。
(2)已完成对SVM分类器常用的四种核函数进行分析和比较，选择了径向基核函数（RBF）作为分类器。
(3)设计并实现了结合小波变换和SVM的遥感图像分类方法，并在一组遥感图像上进行了实验。
(4)初步分析实验结果，取得了较好的分类效果，并与传统的遥感图像分类方法进行了比较。
4.下一步工作
(1)优化小波变换和SVM的遥感图像分类方法。
(2)进一步对实验数据进行分析，对结合小波变换和SVM的遥感图像分类方法进行改进和优化。
(3)探索其他新的特征提取方法和分类器，以提高遥感图像分类的准确率。
(4)编写论文并提交。