高光谱遥感数据降维与分类

遥感技术兴起于20世纪60年代，它能从不同高度大范围、快速和多谱段地对地物进行探测，遥感技术的发展大大推动了人类的进步。区别与其他遥感技术的高光谱遥感是利用很多很窄的电磁波波段从感兴趣的物体中获取许多连续并且窄的光谱曲线的一种探测技术。高光谱遥感的概念始于20世纪80年代中期，目前在矿物鉴定和地面植被检测等领域得到了成功的应用。高光谱遥感将图像和光谱信息相对融洽的结合在一起，具有“图谱合一”的特性，同时包含大量的数据，显示出巨大的利用潜力，所以迫切的需要新的处理方法，因此高光谱遥感图像自动分类技术应运而生，该技术可以比普通图像分类技术更为精准地识别地表物质的类别信息，在城镇土地规划、管理和精细农业等方面有重要应用。但是，在高光谱遥感图像的分类过程中也面临一些问题：高光谱遥感数据的快速增长，导致对图像进行标注需要大量的人力物力，因此作为训练的标注数据常常非常有限；在进行地物分类过程中，某些类别对应的特征不够显著会造成后续分类器精度的降低；当训练样本有限时，分类器最终给出的总体分类精度会随着特征维数的增加而降低，即“维数灾难”问题。针对以上问题，本书综述了目前面向高光谱遥感图像分类的数据降维方法，为相关领域研究者提供最新的研究动态和研究成果。