基于LDA算法的高光谱遥感影像精选.pptx

基于LDA算法的高光谱遥感影像分类 蒲 治 华 对设计题目的理解 目前的完成进度 接下来一周的工作安排 一、对设计题目的理解 1、目标 更快、更准确的完成高光谱遥感影像数据的分类。 高光谱遥感影像： （1）形成 得益于成像技术的发展，通过成像光谱仪，在紫外到中红外波谱区，以数十至数百个连续且细分的光谱波段对目标区域同时成像。在获得地表图像信息的同时，也获得其光谱信息。 一、对设计题目的理解 （2）特点 ①能够提供几乎连续的地物波谱曲线 ②图像信息和光谱信息相结合 ③光谱分辨率很高，空间分辨率较低 ④数据较多且维数排列比较乱 ⑤光谱信息不仅包括外部还包括内部信息 一、对设计题目的理解 2、完成设计的办法 在MATLAB软件环境下，用LDA算法编程来实现高光谱遥感影像数据的分类。 一、对设计题目的理解 LDA算法： 又称线性辨别分析方法，它的目标是从高维特征空间里提取出最具有判别能力的低维特征，这些特征能帮助将同一个类别的所有样本聚集在一起 ，不同类别的样本尽量分开。其有三大缺点： ①处理高维图像时容易产生“小样本问题 ” ,即样 本维数大大超过训练图像个数的问题 ②是由此引发的边缘类主导特征空间分解的问题， 即矩阵秩的限制的问题 ③运算量大，耗时较长 一、对设计题目的理解 3、需完成的任务 利用LDA算法编写程序，实现对高光谱图像的分类，以及绘制出识别率曲线。 涉及到： ①避免“维数灾难” ②降维 ③解决秩的限制问题 ④优化计算，加快分类速度 ⑤提高分类精度 二、目前完成进度 1、理解设计目标与要求 2、完成部分资料收集与阅读 3、完成开题报告 4、完成论文翻译 三、接下来一周的安排 分别使用PCA算法、LDA算法对indian_pine这个数据集做处理，内容： 1、该数据集中地物类别个数（即共有几类数据）； 2、给出每一类的识别率； 3、给出数据集的总体平均的识别率；