基于支持向量机的高光谱遥感影像分类若干问题的研究

本项目以国产OMIS和PHI高光谱影像为处理对象，研究基于支持向量机的分类方法，主要研究：（1）基于增量样本选择和支持向量机的高光谱遥感影像分类，应用聚类统计和人机交互实现样本增量选择与自动调整，通过支持向量机分类器设计、分类策略优化与统计学习实现影像分类；（2）支持向量机分类中最优训练样本集和特征空间维数对分类精度影响规律的定量分析，综合降维操作和统计分析，建立支持向量机对高维特征和少样本问题的适用性和分析理论，提出优化方法；（3）支持向量机分类器的优化与改进，对分类中不确定性传播机制与控制策略、算法稳健性与泛化能力、基于光谱的核函数和混合核函数的设计与效果进行研究。项目意义在于：提出小样本和不确定情况下高光谱遥感影像分类的理论和方法，能够提高精度和效率，促进智能处理发展；针对我国自行获取的高光谱遥感影像处理进行研究，将推进国产信息源处理和应用；研究还可供遥感影像分类与空间数据分析借鉴。