高分辨率遥感影像分类研究的中期报告.docxVIP

高分辨率遥感影像分类研究的中期报告 本研究旨在通过利用高分辨率遥感影像对地物进行分类，实现对地表信息的精确提取。本中期报告主要介绍了已经完成的工作和取得的进展。 首先，我们采集了包括高分辨率卫星影像和地面真实数据的数据集。数据集包括三个类别：道路、建筑和植被。其中，道路和建筑是城市区域常见的两类地物，植被则是城市和乡村景观中广泛分布的地物。在数据采集过程中，我们特别注重了数据的质量和完整性。我们采用了高精度GPS设备对地面真实数据进行了测量，并使用坐标转换技术将地面真实数据与卫星影像进行了对齐。 接着，我们对采集的数据进行了预处理。我们对遥感影像进行了辐射校正、几何校正、影像拼接等处理，以消除影像噪声和提高影像质量。我们还对地面真实数据进行了数据清理和数据融合，以去除数据的异常值和重叠部分，提高数据准确性和一致性。 然后，我们利用机器学习算法对数据进行了特征提取和分类。我们采用了常用的特征提取方法，如滤波、小波变换、PCA等。同时，我们还将深度学习算法引入到特征提取中，通过预训练的卷积神经网络提取特征，得到更加准确、高维的特征表示。最后，我们采用了传统的机器学习算法，如SVM、随机森林等进行分类，也采用了深度学习算法，如全卷积神经网络进行分类。 最后，我们进行了实验验证。我们将所采集的数据集分成训练集和测试集两部分，组合使用以上的特征提取和分类方法对训练集进行训练，然后在测试集上进行测试。实验结果表明，本研究的方法可以对高分辨率遥感影像进行有效分类，得到了较好的分类精度。 未来，我们还将进一步研究以下问题：如何更好地利用地物语义信息，如何进行分类器的融合，如何将该方法应用到更具挑战性的地物分类任务中等。