不同机器学习法提取南农地物覆盖类型比较开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

意义：提取地物覆被类型是按照不同地物的性质对实际土地覆被类型进行区分。

随着航空、航天、传感器技术的不断发展，遥感平台的多样化，遥感影像分辨率的不断提高以及计算机技术的发展，遥感影像的处理、分类成为土地覆被分类的重要步骤。

研究本课题可以学习到基于机器学习的影像分类基本原理及过程，学会利用遥感影像处理软件envi对遥感影像进行分类。

2. 研究的基本内容和问题

研究目标：1、结合机器学习理论和技术，从遥感分类的基本算法出发，研究在小范围地区，提高遥感图像分类精度的算法。

2、研究基础的分类方法，是对目前常用遥感图像处理的软件分类模块的有益补充，也是为以后自主研制遥感图像处理软件平台（分类）进行有意义的初步探索。

3、在分析多光谱遥感图像特点和现有机器学习方法的基础上，丰富机器学习理论在遥感影像分类方面的理论基础和应用研究，对于土地覆盖遥感信息的获取具有较强的理论意义和实用价值。

3. 研究的方法与方案

研究方法：（1）文献研究法通过查阅文献，充分把握遥感分类技术的研究现状和发展趋势，发现待解决问题，确定研究内容，并在研究文献中涉及的分类技术的基础上，改进和完善已有的分类方法。

（2）实证研究方法对选择的方法（算法）分类器模型的可靠性和可行性，分类结果需要通过结合实际的地面调查数据来验证。

（3）定量和定性的分析。

4. 研究创新点

1、分别提取南农2003和2015年的地物覆盖，同时可以观察地物覆盖变化。

2、通过理论和实验分析了用不同分类算法进行土地覆盖分类时，在分类精度、训练和分类速度方面的表现，指出了各自在多光谱影像分类应用中的潜力。

5. 研究计划与进展

2017年7月至10月阅读机器学习相关书籍，了解机器学习的原理以及相关应用；阅读机器学习应用于遥感影像的文献，了解最近的用于影像分类的机器学习方法。

对基于机器学习提取地物覆盖进行系统性综述。

2017年11月学习envi基础处理以及idl开发。