1、近些年來高光譜遙感在精細農業(yè)、地理勘測、資源調查等領域扮演著重要的角色，而由于空間分辨率和光譜分辨率之間的制約性及致密混合物的存在，混合像元普遍存在，如何對高光譜遙感圖像實現(xiàn)精確的分類與分離對實現(xiàn)定量遙感有著極其重要的影響。為解決相關問題，本文提出一種基于MCMC的高光譜遙感圖像分類與分離方法，結合端元可變性和空間信息，可同時實現(xiàn)高精度的分類與分離；另外，為了批量處理和快速分析，搭建了基于Flask的高光譜遙感圖像分析平臺，提供面向多種

2、用戶需求的高光譜應用模塊。
　　首先，多元邏輯回歸用來建立只考慮光譜信息的先驗模型。多元邏輯回歸是一種逐像素多分類方法，其得到的概率滿足豐度的非負和歸一化要求。因此，本研究以多元邏輯回歸的初始概率作為豐度的先驗，并通過正態(tài)分布假設下貝葉斯與多元邏輯回歸的等價關系將這種先驗知識引入到模型中。通過仿真證明，多元邏輯回歸在一定程度上反映了地物的真實分布情況。
　　為了考慮端元的可變性，正態(tài)組成模型用來表征高光譜圖像中的混合像元，假

3、設混合像元的光譜是系數為豐度的高斯隨機向量的線性組合；結合各像元光譜的條件獨立性，光譜向量的集合是獨立的正態(tài)混合分布。考慮到豐度的歸一性和非負性，選擇Dirichlet分布作為豐度的先驗分布，并通過參數非定?；瘜⑧徲蜇S度信息和粒度先驗引入模型?；诠庾V向量、粒度及豐度的聯(lián)合分布，建立分層貝葉斯模型，得到粒度和豐度的全條件后驗分布，并通過MCMC方法—Gibbs采樣對后驗分布進行估計，從而得到豐度的估計值。同時，利用遞歸特征消除結合交叉驗

4、證來進行波段選擇，通過對Pavia University、MUUFL Gulfport數據集的分類及Indian Pines、Salinas數據集的分離實驗，驗證了基于MCMC的高光譜遙感圖像分類與分離方法的有效性。
　　最后，根據上述理論與算法研究，本論文建立了高光譜遙感圖像分析平臺。該平臺采用Python下的輕量級Web框架Flask作為開發(fā)框架，MySQL和Flask-SQLAlchemy來管理數據庫，HTML/CSS/Ja