高光谱图像空谱信息综合分类方法研究的开题报告.docx

高光谱图像空谱信息综合分类方法研究的开题报告
题目：高光谱图像空谱信息综合分类方法研究
一、研究背景
近年来，随着国民经济的快速发展，对资源环境的保护与利用愈发引起了人们的重视，而遥感技术的广泛应用为对资源环境进行监测提供了有效途径。高光谱遥感技术以其高空间分辨率和高光谱分辨率的特点，成为研究资源环境的重要手段，已经在土地利用、水体监测、地质勘探等领域取得应用。
然而，高光谱图像中存在着数量庞大的波长信息，且近红外和红外波段具有很强的物理区分性质，因此如何充分利用高光谱图像的波段信息，进行精准的地物分类成为了该领域的一项重要挑战。
二、研究内容
本论文拟研究高光谱图像空谱信息综合分类方法，包括以下内容：
1.构建高光谱图像分类系统，采集数据样本并完成数据预处理。
2.对空谱信息进行数据分析，选择有效的波段进行筛选。
3.将空谱信息与其他波段信息结合，探索一种新的光谱信息分离方法。
4.利用综合分类算法对经分离后数据进行分类，并评估其分类精度。
5.研究算法的鲁棒性和适用性，对算法进行优化。
三、研究意义
本论文主要研究高光谱图像空谱信息综合分类方法，旨在提高高光谱图像分类的准确性和稳定性，对于高光谱遥感技术在资源环境监测、土地利用、农业生态等领域的广泛应用具有重要意义。
四、研究方法
本文采用数据驱动的方法进行研究，结合实验分析和算法研究，以改善传统的高光谱图像分类方法，提高分类的精度和准确性。
具体方法包括：
1.探索一种利用空谱信息进行光谱分离的方法，提高高光谱图像的分类精度。
2.选取一些具有代表性的分类算法，如支持向量机、人工神经网等，进行数据的分类，并进行评估。
3.分析不同分类算法的优缺点，对其进行比较和结合，对算法进行优化。
五、预期成果
本论文的预期成果主要包括以下方面：
1.构建高光谱图像分类系统，采集数据样本并完成数据预处理。
2.提出一种新的综合分类方法，利用空谱信息进行光谱分离，对高光谱图像进行分类。
3.评估分类算法的分类精度，分析算法的适用性和鲁棒性，并对算法进行优化。
4.证明所提出的高光谱图像空谱信息综合分类方法可以显著提高分类精度，具有较高的应用价值。
六、研究进度安排
本论文的研究进度如下：
1.阅读相关文献和资料，了解高光谱图像分类的研究现状和发展方向（2周）。
2.构建高光谱图像分类系统，采集数据样本并完成数据预处理（4周）。
3.对空谱信息进行数据分析，筛选有效波段，探索一种新的光谱分离方法（8周）。
4.利用综合分类算法对经分离后数据进行分类，并评估其分类精度（6周）。
5.研究算法的鲁棒性和适用性，对算法进行优化（6周）。
6.结果分析和总结，完成论文的撰写和核对（4周）。
七、参考文献
[1]刘德群,王伟,林俊罗,等.面向高光谱遥感影像分类的半监督方法研究[J].系统工程与电子技术,2017,39(4):861-866.
[2]谢延俊,苗永威,董伟,等.基于分离矩阵和卷积神经网络的高光谱遥感影像分类[J].电子与信息学报,2017,39(12):2983-2989.
[3]莫国平,李华,杨菁,等.基于PSA-DR的高光谱图像分类[J].计算机工程与设计,2017,38(9):1861-1866.
[4]郭欢娅,窦海翔,张恒.高光谱影像空谱信息提取与遥感农业应用[J].湖南农业科学,2017,16(6):87-88.
[5]侯冠军,袁韦,刘宏,等.基于深度学习的高光谱遥感影像分类研究[J].遥感技术与应用,2017,32(3):511-516.