结合空间信息的高光谱图像支持向量机分类研究的中期报告.docx

结合空间信息的高光谱图像支持向量机分类研究的中期报告 这项研究旨在研究如何利用高光谱图像和空间信息相结合的方法来进行支持向量机分类。我们使用的数据集包含了来自卫星的高光谱图像和空间信息。该数据集包含了四个不同的类别，其中每个类别都代表着一种不同的地物类型。这些类别分别是建筑、植被、道路和水体。 首先，我们使用我们的算法从高光谱图像中提取了一系列特征。这些特征包括光谱特征、空间特征和特征组合。我们使用不同的算法来提取这些特征，并使用主成分分析（PCA）方法来降低特征的维度。 接下来，我们使用支持向量机（SVM）分类器进行分类。我们使用交叉验证来选择最优的超参数，并采用混淆矩阵和准确率指标来评估我们的分类器的性能。 我们的实验结果表明，使用高光谱图像和空间信息相结合的方法可以提高分类的准确性。特别是在类别之间重叠较大的区域，这种方法的效果更为显著。我们还发现，使用特征组合的方法可以进一步提高分类器的准确性。 第一阶段的初步结果表明，该方法在高光谱图像分类中具有很好的应用前景，尤其适合用于对区域内地物类型分布较为复杂的场景进行分类。在下一阶段的研究中，我们将更加深入地研究使用不同算法提取特征对分类性能的影响，并探索新的特征提取方法。