论文部分内容阅读
高光谱图像通常具有纳米级的光谱分辨率,能提供丰富的地物空间信息和光谱信息,被广泛应用在精细农业、环境监测、现代军事等诸多领域。高光谱图像在具备诸多优势的同时也存在光谱维度高、光谱相关性大、噪声多、样本少等特点,这给高光谱图像分类过程带来了诸多问题和挑战,研究如何解决上述问题提高分类效果,是高光谱遥感领域的重要研究课题之一。针对高光谱图像分类过程中样本难以获取、样本数量少的特点,本文从降维、去噪和特征提取的角度出发,通过研究获得地物区分度更好的特征来减轻分类器负担,提高样本质量,解决因训练样本稀少造成