高光谱遥感图像的地物频域特征及识别方法研究的中期报告.docx

高光谱遥感图像的地物频域特征及识别方法研究的中期报告
本研究旨在探索高光谱遥感图像的地物频域特征及识别方法。在前期研究中，我们通过对高光谱遥感图像进行小波变换，提取出了其在不同尺度的频率下的能量特征，并应用支持向量机分类器对不同地物类型进行了分类识别。
在本期研究中，我们进一步深入探究了高光谱遥感图像的频域特征，并对分类识别方法进行了优化和改进。具体研究内容如下：
1.频域特征分析
为了进一步研究高光谱遥感图像的频域特征，我们引入了小波分解的多级分析方法，将图像分解成多个不同尺度的子带信号，进而得到更加细致和详细的频域特征。我们将不同尺度的子带信号视为不同的特征向量，并将其利用PCA降维技术进行特征提取，从而得到更加精确和有效的频域特征描述子。
2.分类识别方法改进
在前期研究中，我们采用了支持向量机作为分类器进行地物类型的识别。针对支持向量机分类器对于超高维度特征向量的计算效率低下问题，本次研究中我们尝试了多种新的分类器，如KNN、随机森林等，并通过交叉验证的方法对分类器进行评测和对比，最终选择出了性能最佳的分类器进行识别。
3.实验结果分析
我们选取了一份真实的高光谱遥感图像数据集进行实验验证，将优化后的频域特征和分类识别方法应用于该数据集中的地物分类任务中，与之前的结果进行对比。实验结果表明，本次研究所提出的频域特征提取及分类识别方法在多个数据集上都取得了较好的分类性能，与之前的研究相比有了显著的进步和提升。
综上，本次研究所提出的高光谱遥感图像的地物频域特征及识别方法具有广泛的应用前景，并为遥感图像的信息提取和处理提供了新思路和新方法。