高光谱图像地物分类中的特征提取方法研究的开题报告.docx

高光谱图像地物分类中的特征提取方法研究的开题报告
-题目：高光谱图像地物分类中的特征提取方法研究
-研究背景：
高光谱图像是指在一定波段范围内，连续记录了许多窄波段的图像，其包含的波段数目通常为几十个到数百个。由于高光谱图像具有更高的光谱分辨率和更多的光谱信息，因此被广泛应用于地物分类、环境监测、农业、林业等领域。而高光谱图像地物分类中重要的一步是特征提取，即将复杂的高光谱图像数据转化为更加简单有效的特征向量，以便于后续分类任务的进行。
-研究目的：
本研究旨在探究高光谱图像地物分类中常用的特征提取方法，从而提高分类精确度和分类速度，为高光谱数据的应用提供支持。
-研究内容：
1.高光谱图像数据预处理
数据预处理包括去噪、大气校正、掩膜处理、波段选择等步骤，其目的是去除背景干扰，提高图像质量，为后续特征提取和分类任务准备好数据。
2.特征提取方法
常用的特征提取方法有：像元反射率、主成分分析、线性判别分析、水平集变换、小波变换、局部二值模式(LBP)、Gray-LevelCo-OccurrenceMatrix(GLCM)等。
3.特征选择
在特征提取后，可利用特征选择算法选取更能区分不同类别的特征子集，以降低维度和加快分类速度，通常采用相关系数、支持向量机(SVM)等方法。
4.分类器设计
经过特征提取和特征选择后，需采用分类器进行分类，现有分类器主要有：最小距离分类器、支持向量机、随机森林、神经网络等。
-研究意义：
本研究对高光谱图像地物分类的理论和实践具有重要意义，可提高高光谱数据的利用价值，推动遥感技术的进步。
-研究方法：
本研究将采用文献资料调研和实验研究相结合的方法，通过收集和阅读相关文献，总结和比较各种特征提取方法的优劣，选取适合本研究的方法进行实验分析。
-研究预期成果：
通过本研究，预计将得到以下成果：
1.比较和总结高光谱图像地物分类中常用的特征提取方法；
2.实现特征提取算法，并进行实验验证；
3.提高高光谱数据分类的准确度和速度；
4.为遥感应用和决策提供参考依据。
-研究进度安排：
1.阅读文献，了解高光谱图像地物分类的相关知识：已完成；
2.实现常用的特征提取方法，并进行实验验证：进行中；
3.实现特征选择算法，优化特征子集：待完成；
4.设计分类器，完成高光谱图像地物分类任务：待完成；
5.撰写毕业论文：待完成。
-参考文献：
1.赵宇,阎振康.面向机器视觉的高光谱图像特征提取方法研究[J].计算机工程与科学,2015,37(6):1040-1044.
2.黄志武,陈侃.面向高光谱图像的特征提取方法综述[J].电子技术应用,2016(1):48-51.
3.梁海生,冯文汇.基于最小距离分类器的高光谱图像分类[J].黑龙江大学自然科学版,2013,30(5):508-511.