空谱特征融合的高光谱遥感影像分类研究的任务书.docx

空谱特征融合的高光谱遥感影像分类研究的任务书
任务书
研究题目：空谱特征融合的高光谱遥感影像分类研究
研究目的：高光谱遥感影像为地表地物提供了丰富的光谱信息，但其分类结果常受到多种干扰因素的影响，导致分类精度不高。因此，在本研究中，我们将探究一种基于空谱及特征融合的方法，提高高光谱遥感影像的分类精度。
研究内容及要求：
1.研究空谱的影响：通过对有遮挡、阴影等情况下的高光谱遥感影像进行实验，判断空谱对高光谱遥感影像分类的影响，分析其原因。
2.研究特征融合的效果：分别采用传统的max池化、平均池化以及特征融合方法，比较不同方法的分类精度和计算时间。
3.建立分类模型：以典型的高光谱遥感影像为研究对象，借助现有的分类方法（如支持向量机、人工神经网络等）建立高光谱遥感影像分类模型，并分析分类结果。
4.完成实验及分析：通过现有的图像分类软件（如ENVI、Matlab等）进行数据处理和实验，计算各项指标（如分类精度、召回率、精确率等），并进行数据可视化和结果分析。
5.编写结题报告：在认真阅读相关文献的基础上，撰写一份具有科学性、逻辑性和可读性的论文，包括研究背景、研究内容、实验设计、数据分析和结论等。
研究计划及进度：
第一周：熟悉高光谱遥感影像分类技术，阅读相关文献；
第二周：搜集高光谱遥感影像数据，准备实验所需的数据集；
第三周：对高光谱遥感影像进行预处理，包括光谱去噪、坐标校正等；
第四周：进行分类实验，比较空谱和非空谱影响的差异，分析其原因；
第五周：采用不同的特征融合方法进行实验，并评估不同方法的分类精度和时间消耗；
第六周：借助现有的分类方法，建立高光谱遥感影像分类模型，分析分类结果；
第七周：分析和比较不同分类模型的优缺点，探究其适用范围和改进方向；
第八周：完成实验报告和结题报告的初稿；
第九周：对报告进行修改和优化，确保逻辑清晰、数据准确、实验可重复性强；
第十周：准备答辩材料，进行论文的稿纸和PPT的制作。
研究人员和分工：
本研究分别由三名研究人员完成，其中：
张三：主要负责研究空谱对高光谱遥感影像分类的影响以及建立分类模型；
李四：主要负责研究特征融合方法并进行分类实验；
王五：主要负责数据处理和结果分析，以及结题报告的撰写。
参考文献：
1.Chen,X.,Wang,Y.,&Tang,J.(2013).DeepLearningBasedFeatureSelectionforHyperspectralImagesClassification.CISM（Vol.412）.
2.Li,Y.,Wei,Q.,&Xia,R.(2019).ASpatial-SpectralMethodsforHyperspectralImageClassificationBasedonSuperpixelandSVM.Sensors（Vol.19）.
3.Li,X.,Song,H.,Bian,M.,&Li,X.(2016).Anovelfeatureextractionapproachbasedonspatial-spectralinformationforhyperspectralimageclassification.Neurocomputing,191,219-229.