全文总字数：2047字

1. 研究目的与意义及国内外研究现状

随着互联网技术和多媒体技术的发展，以支持向量机的高光谱图像分类研究剧增。图像分类渗透到人们生产生活的各个方面，使其应用背景很广。因此，如何有效使图像分类准确，减少每个土地覆盖类的高光谱特征的空间变异性、大气的影响、维度的影响成为了当前科学领域以及工业生产领域的研究热点。在常用的方法中，高光谱图像分类分辨率高，高光谱图像可以探测出地物精细光谱，使在原来宽波段中不可探测的光谱特征能在高光谱遥感中被探测到。本文主要研究了高光谱图像分类方法，并以支持向量机作为分类工具，进行图像分类研究。

国内外研究现状

目前基于支持向量机的高光谱图像分类的方法有，基于高斯核的支持向量机的高光谱图像分类的方法和基于组合核的支持向量机的高光谱图像分类的方法。是根据核函数的选择不同进行图像分类的。他们都优点是减小了空间特性和维度对图像分类的影响。而svm方法的理论基础是非线性映射,svm利用内积核函数代替向高维空间的非线性映射避免了后面的“维数灾难”。支持向量机具有严格的理论基础，能较好解决小样本、非线性、高纬度等问题。被成功的应用到高光谱遥感图像分类领域。

随着高光谱图像技术的发展,高光谱图像分类已经得到广泛的应用．现有的理论和方法对于较复杂的高光谱图像分类还存在一定的局限性,因此研究更有针对性的高光谱图像分类方法,将是今后的一个重要的研究方向。

2. 研究的基本内容

1.分析了支持向量机类别

2.分析并实现基于高斯核的支持向量机图像分类并给出实验结果

3.分析并实现基于组合核的支持向量机图像分类并给出实验结果

3. 实施方案、进度安排及预期效果

1月1日—1月31日看有关支持向量机的文献知识

2月1日—2月28日 翻阅查看了有关高光谱的论文资料

3月1日—3月15日 了解并学习了图像分类的有关知识

4. 参考文献

[1] 任立斌.基于支持向量机的图像分类研究与实现.广东省：中山大学,2010.6

[2] 冯元戬;施鹏飞.基于支持向量机的彩色图像人脸检测方法.上海交通大学学报,2003.6

[3] 唐雪莲;毕明德;孙志刚.基于支持向量机的布匹图案匹配算法设计.机电工程,2011.12