基于高斯过程分类器的高光谱图像分类的中期报告.docxVIP

基于高斯过程分类器的高光谱图像分类的中期报告

一、研究背景与意义

随着遥感技术的不断发展，高光谱遥感图像已经成为了重要的遥感数据形式之一。高光谱图像包含了大量的光谱信息，可以获取更为详细的地物信息，因此在农业、林业、城镇规划和环境监测等领域中得到了广泛的应用。其中高光谱图像分类是高光谱遥感应用的一个重要环节。高光谱图像分类的目的是将高光谱遥感图像中的像元分为不同的类别，如水体、林地、建筑等。

目前，高光谱图像分类主要使用的方法有基于像元光谱反射率的分类方法、基于主成分分析的分类方法和基于支持向量机的分类方法等。这些方法虽然取得了一定的分类效果，但是在特定场景下存在一定的局限性，如样本空间分布复杂和分类标准不一致等。

高斯过程分类器是一种无参数线性模型，通过学习训练数据的样本分布情况，可以对新的数据进行分类。该方法不依赖于分布的具体形式，可以自适应地适应数据的分布特点。因此，高斯过程分类器在处理复杂数据分类问题上具有很大的优势。本研究将采用高斯过程分类器对高光谱图像进行分类，旨在提高高光谱图像分类的准确性。

二、研究内容与方法

本研究的研究内容为利用高斯过程分类器对高光谱图像进行分类。具体包括以下步骤：

1.高光谱图像的预处理：对高光谱图像进行预处理，包括数据增强和特征提取等。

2.高斯过程分类器模型构建：根据高提取的高光谱图像特征，建立高斯过程分类器模型。

3.训练模型：从高光谱图像中随机选择一部分像元作为训练样本，利用高斯过程分类器模型对样本进行训练。

4.模型测试：将训练好的高斯过程分类器模型用于对测试数据进行分类。

5.分类结果评价：根据分类结果对模型进行评价，并对分类错误的情况进行分析和改进。

三、预期成果与意义

本研究采用高斯过程分类器分类高光谱图像，旨在提高高光谱图像分类的准确性。预期达到的成果包括：

1.建立高斯过程分类器模型，应用到高光谱图像分类问题中。

2.通过分类实验，验证高斯过程分类器模型在高光谱图像分类中的准确性和优越性。

3.提高高光谱图像分类的准确性，为农业、林业、城镇规划和环境监测等领域中使用高光谱遥感数据提供有效的技术支持和数据处理方法。

四、进度计划

本研究的进度计划如下：

1.阅读相关文献，掌握高光谱图像分类和高斯过程分类器的理论基础，确定研究方向和内容。（已完成）

2.收集高光谱图像数据集，进行预处理和特征提取。（进行中）

3.建立高斯过程分类器模型并对模型进行优化。（待进行）

4.标定样本点，分别进行训练和分类，统计模型在测试数据集上的分类准确率。（待进行）

5.对模型进行评价，并对分类错误的情况进行分析和改进。（待进行）

五、参考文献

[1]DuPei-Ling,ZhouLin,JinWei-Qi.High-speedremotesensingimageclassificationbasedonGaussianprocessclassificationalgorithm[J].BulletinofSurveyingandMapping,2013.

[2]曹杨.基于高斯过程分类器的高光谱图像分类研究[D].上海:上海交通大学,2013.

[3]肖木兴,李炜,刘伟.支持向量机与高斯过程分类器的比较研究[J].计算机工程与应用,2012.