基于卫星遥感的高光谱图像分类方法及其应用

婷婷 韩(辽宁省自然资源事务服务中心，中国)

摘要

高光谱遥感技术通过获取地物在连续光谱波段上的高分辨率信息，为地表特征识别与分类提供了强有力的手段。基于卫星遥感的高光谱图像分类方法，能够综合利用光谱、空间与时间特征，实现地物的精细识别与动态监测。本文系统分析了高光谱成像的基本原理与数据特征，探讨了统计特征法、波段选择法及空间信息融合等多种分类方法的理论基础与适用条件。结合支持向量机、光谱角映射和深度融合算法，对不同模型的分类性能进行比较分析。研究指出，通过优化波段特征选择与模型结构，可显著提高分类精度与稳定性，为农业、地质与生态环境监测等领域提供高精度的遥感信息支持。

关键词

卫星遥感；高光谱图像；分类方法；特征提取；精度评估

参考

张威.基于元学习的小样本高光谱图像分类[D].导师：程玉虎.中国矿业大学,2024.

王新鹏.基于四元数判别分析和稀疏张量判别回归的高光谱图像特征提取和分类技术研究[D].导师：凌永权（Wing-Kuen LING）.广东工业大学,2024.

赵烜赫.基于机器学习的草地牧草高光谱图像识别算法研究[D].导师：潘新.内蒙古农业大学,2021.

刘梦滢.基于多分类器的高光谱图像半监督方法研究[D].导师：谢福鼎.辽宁师范大学,2021.

DOI: http://dx.doi.org/10.12345/xdchgc.v8i6.35190