机载激光数据辅助的高光谱遥感影像面向对象分类和精度分析的任务书.docx

机载激光数据辅助的高光谱遥感影像面向对象分类和精度分析的任务书
任务书
任务名称：机载激光数据辅助的高光谱遥感影像面向对象分类和精度分析
任务背景：
随着遥感数据的广泛应用，高光谱遥感成为当前最具潜力的遥感技术之一。高光谱遥感数据又被称为连续光谱数据，是一种同时包含了较为连续、稳定的多光谱信息和高空间分辨率的遥感数据。高光谱数据对地表覆盖信息的提取和分类具有强大的能力，尤其对狭长目标的探测更为敏锐，然而，在实际应用中，由于高光谱数据所包含的信息量较大，分类精度相对较低。为此，本项目旨在通过引入机载激光数据辅助进行分类，并对分类结果进行精度分析，提高高光谱遥感数据在地表覆盖信息提取中的应用效果。
任务目的：
1.研究机载激光数据辅助的高光谱遥感影像面向对象分类技术的基础原理，探究其分类思路和理论方法。
2.应用开发相关软件，包括ENVI,ArcGIS,MATLAB等，完成高光谱遥感影像的预处理、辅助数据的构建、面向对象分类等相关任务。
3.对分类结果进行统计分析和精度评价，并作出科学的结论和建议。
任务内容：
1.数据集获取及组织：确定研究区域和获取高光谱、激光雷达以及地面真实样本数据集，并进行数据的质量评估和预处理。
2.辅助数据构建：通过对机载激光数据进行地面提取、高程插值等处理，构建DEM、DSM等数据集，以及植被参数等数据集，为面向对象分类提供辅助信息。
3.高光谱影像的面向对象分类：使用高光谱遥感影像和辅助数据集，结合面向对象分类技术进行分类，例如基于规则、决策树等分类方法。通过训练数据和验证数据对分类结果进行校准和验证。
4.分类结果的精度分析：根据高光谱影像分类结果和实际地面样本数据，使用混淆矩阵和Kappa系数等统计分析方法，对分类精度进行评估和分析。
5.实验结果分析：针对分类结果进行分析，探讨激光数据在高光谱遥感影像面向对象分类中的应用效果，提出改进方法和建议。
6.结论和报告撰写：撰写研究报告，总结面向对象分类技术在高光谱遥感影像分类中的应用效果，提出改进和优化方向，为进一步研究提供参考。
任务成果：
1.数据质量评估和预处理报告。
2.机载激光数据辅助高光谱遥感影像面向对象分类相关软件的开发报告。
3.面向对象分类结果和分类精度评估报告。
4.研究报告。
任务进度和时间安排：
1.数据集获取及组织，辅助数据构建：2周
2.高光谱遥感影像的面向对象分类：4周
3.分类结果的精度分析：2周
4.实验结果分析，结论和报告撰写：2周
预计总时长：10周
注意事项：
1.制定实验计划，并遵循实验室安全规范与操作规程进行实验。
2.按照计划书规划时间并安排好任务进度。
3.遇到实验中的问题，需及时向指导教师反馈并讨论解决方法。
4.完成实验后需按照任务书要求撰写研究报告并进行较为详细的分析和讨论。
5.任务完成后需面向实验室开展实验报告和成果汇报，向实验室成员分享研究成果。