致谢 26

参考文献 27

1绪论

1。1研究的目的和意义

    随着硬件的发展，成像光谱仪己经拥有了获取高质量的高光谱图像数据的能力，为了尽量挖掘图像中的信息，对数据高性能的处理方法在目前有对数据的解析和在现实中使用的关键。到了现在已经有了许多种对高光谱图像的处理方法，图像分类的影响在这里面影响是最大的，应用的范围也比较大。高光谱图像分类为了清晰地展现出各类地物的细致情况，需要将地物目标成像像元进行分类，从而划分出不同的类型。由于分类算法的不同，提取出的信息表现出不同的质量以及细节性，结果自然会影响到分类的精度。所以直接影响着分类效果的因素就是分类算法性能的优劣，对数据的其他处理和应用的成败也由分类算法性能优劣所直接决定，因为如此，对分类算法的研究意义重大。

1。2遥感图像研究现状

 2。高光谱遥感原则流程

2。1高光谱遥感基本概念

高光谱遥感是一门是建立在航空航天、计算机等技术上的最新兴起的交叉学科，这是我们都已经知道的，而且它还涉及了海洋学，大气科学、电磁波理论等多门学科。众所周知，分析是将各个学科和各个技术凝聚起来的的关键。

2。2高光谱图像分类的原则

   在需要对遥感图像进行分类时，多变量的图像分类就是其中的主要分类。通常有以下三个原则:

①分类时不可以只是按照单独变量的数值进行分类，而是应该按照整体数据的特征来看进行分类;

②协方差矩阵和标准差向量可以用来权衡比较分类类别的离散程度，类的均值向量可以用来表示类在特征空间的位置，也就是这个类的中心;

③按照类与类之间的边界或者每类的统计特性是出发来划分分类区域，以此建立分类或者是判别函数。

2。3高光谱图像分类的流程

图像预处理、标记样本、特征提取及选择、分类判决、精度评价这几个部分组成了高光谱图像分类。

1。图像预处理

高光谱图像预处理应该要对原本的数据进行基本的处理，比如大气辐射校正、几何畸变校正、波段选择以及消除噪声等等处理方法，这与普通的图像数据相比并没有比较大的区别。高光谱数据的关键预处理工具虽然有很多，但我们现在所要用到的工具就是降维。

2。定义要想定义的地物类别并标记训练样本

在开始对数据进行分析的前面，为了形成较为周密的类别组，在这中间定义出用户需要的类别，我们通常都是优先按照三个波段合成的假彩色图像来对整体数据进行能够直接感受到的分析。定义的最好类别尽量可以达到下面的几个要求：

完整性，可分性，有用性。

在定义类别之后，每一个类别都需要选出相当数量的训练样本。地面真实数据往往被训练样本的标记所紧紧依靠。取得训练样本的过程对不同数据集以及分析人员对场景先验知识明白的多少程度不一致而有相当大的不一致。以下给出几种常用方法。

>各个类别可以标记的样本能够在图像里得到。

>可以一边在地面进行局部观测，一边取得数据。

>单个像素的类别信息可以通过解析表征像素点的光谱空间来取得。

每一类地物的训练样本数量最好可以相似，假如差别过大就会不可避免的出现少数归类于多数的现象，这不是我们想要看到结果。另外我们不得不推敲琢磨训练过程的推广性，也就是训练过程能否推广到类别中为参加训练的其他样本，训练样本是否已表征整个数据集。 高光谱遥感图像分类算法比较分析(2):http://www.youerw.com/tongxin/lunwen_93741.html