改进的函数型主成分分析在高光谱图像分类中的应用开题报告

全文总字数：8037字

1. 研究目的与意义（文献综述）

遥感是20世纪60年代发展出来的观测技术。遥感技术的出现，极大的拓宽了人类的观测视野，成为人类获取地面信息的一种重要手段。最近几十年，随着与遥感密切相关的学科例如空间技术、计算机技术的高速发展，遥感进入了以高光谱遥感技术为主要标志的时代^[13]。

1.1研究目的与意义

高光谱遥感图像是高光谱分辨率遥感图像的简称，它结合了成像技术与测谱学，其光谱波段小于10nm^[13]，可以获取非常丰富的图像信息与光谱信息，成为了热门研究领域。由于高光谱图像同时具有光学信息和光谱识别信息，其图像上每个像元为一条几乎连续的光谱曲线，由于在时间维、空间维增加了第三维的连续光谱信息，高光谱图像形成了三维立体空间^[12]。因此高光谱数据通常以立方体形状储存。

2. 研究的基本内容与方案

2.1研究的基本内容以及目标

1982年，加拿大学者ramsay在论文“when the data are functions”中首次提出了函数型数据的概念，他认为现代的数据收集系统收集到的一些数据具有某些函数特性，例如物理学中分子做布朗运动随时间变化的空间位置以及高光谱图像的波长等。函数型数据就是以函数为表现形式的一种数据，“函数型”并非指数据外在的表现形式，而是指数据本身的结构。1991年，ramsay和dalzell在“some tools for functional data analysis”一文中提出了一些函数型数据分析方法，并利用其对无限时间维度上的函数型数据进行研究，主要使用函数型主成分分析和线性模型两种方法来进行实际应用分析。1997年，ramsay和silverman合作完成了“functional data analysis”，函数型数据分析方法开始受到学术界广泛的关注。

与传统的数据分析方法相比，函数型的显著特点在于其分析处理的对象不在是离散数据，而是函数。因此，函数型数据分析具有如下显著的优势：

3. 研究计划与安排

文章在绪论部分简要介绍了本文的研究对象、意义、内容和目标，对本文研究工作的框架进行了概要性的描述。在接下来的部分首先对函数型数据分析做了介绍，针对高光谱图像数据进行了建模，得到了高光谱的函数型数据。在文章接下来的部分我们对函数型数据分别利用有监督的函数型主成分分析，半监督的函数型主成分分析，基于图的半监督函数型主成分分析结合支持向量机进行了图像分类工作。最后对所做的工作进行了总结和展望。

4. 参考文献（12篇以上）

[1] ghamisi, pedram plaza, javier chen, yushi li, jun plaza, antonio. (2017). advanced spectral classifiers for hyperspectral images: a review. ieee geoscience and remote sensing magazine (grsm). 5. 10.1109/mgrs.2016.2616418.

[2] camps-valls, gustau tuia, devis bruzzone, lorenzo benediktsson, jon. (2013). advances in hyperspectral image classification: earth monitoring with statistical learning methods. signal processing magazine, ieee. 31. 10.1109/msp.2013.2279179.

[3] fauvel, mathieu tarabalka, yuliya benediktsson, jon chanussot, jocelyn tilton, james. (2013). advances in spectral-spatial classification of hyperspectral images. proceedings of the ieee. 101. 652-675. 10.1109/jproc.2012.2197589.