1. 研究目的与意义（文献综述）
高光谱遥感图像（hyperspectral remote sensing）是将反映目标辐射的光谱信息与反映目标二维空间的图像信息集于一体，实现了“图谱合一”，即在二维空间信息的基础上添加了一维光谱信息，其光谱分辨率在纳米数量级范围内。较高的光谱分辨率意味着高数据维和大数据量，这样让处理高光谱图像变得困难，要考虑信息冗余度，储存空间，处理数据效率等问题。同时高光谱图像波段数多，容易出现维数灾难。研究发现最高有94%的光谱波段是可以舍弃的，而且不会影响高光谱后续分类的精度(chang，2007)。因此降维势在必行。
通常降维算法可分为特征选择和特征抽取两大类。波段选择是从高光谱图像所有波段中选择起主要作用的波段子集从而达到数据降维的目的，例如：遗传算法，蚁群算法等，而特征抽取则是通过最小化相应目标函数，寻求投影数据的最佳子空间，例如，主成分分析（principal component analysis，pca）、最大噪声分数变换(minimumnoisefraction，mnf)、独立成分分析(independent components analysis，ica)等。
根据有无标注样本可以将降维方法划分为监督、无监督和半监督方法。监督方法主要包括线性判别分析(linear discriminant analysis, lda)、边缘费舍尔分析(marginal fisher analysis, mfa )和最大间隔准则(maximum margincriterion, mmc)等。无监督方法主要包括主成分分析(principal componentanalysis, pca)和局部保持投影(locality preserving projections, lpp)。半监督主要包括，半监督维归约(semi-supervised dimensionality reduction,.ssdr)和半监督判别分析( semi-supervised discriminant analysis, sda)等。
2. 研究的基本内容与方案
2.1基本内容
按照毕业设计的进度安排，此次研究（设计）分为以下步骤：
高光谱数据：获取不同的高光谱数据场景
3. 研究计划与安排
第1周—第3周搜集资料，撰写开题报告；
第4周—第5周学习matlab和高光谱图像相关知识，搜集资料，初步了解降维算法原理和实现方式；
第6周—第12周完成主体程序，撰写论文初稿；
4. 参考文献（12篇以上）
[1]夏曦．基于高光谱图像技术的指纹识别研究[d]．重庆理工大学，2013.
[2]魏芳洁．高光谱图像波段选择方法的研究[d]．哈尔滨工程大学，2013.
[3]范中建．基于机器视觉的羊肉新鲜度无损检测研究 [d]．石河子大学，2018.
