1、隨著高光譜遙感技術(shù)的迅猛發(fā)展，高光譜圖像在很多領(lǐng)域得到了廣泛應(yīng)用，其中高光譜圖像分類技術(shù)已經(jīng)成為高光譜遙感技術(shù)的研究熱點(diǎn)。高光譜圖像具有高空間分辨率的同時，每個像素蘊(yùn)含了數(shù)百個波段的光譜信息，對地物分類精度的提高有很大幫助。與此同時，如何充分地利用空間信息與光譜信息來進(jìn)一步提高分類精度也是具有挑戰(zhàn)性的。
　　不同于傳統(tǒng)的高光譜圖像分類算法，稀疏表示分類算法通過使用過完備字典對信號進(jìn)行稀疏的表示，再通過稀疏系數(shù)進(jìn)行分類，具有良好的分

2、類性能。本文以現(xiàn)有的高光譜分類技術(shù)和稀疏表示的最新理論為研究背景，深入研究了基于稀疏表示的高光譜圖像分類算法并取得了具有一定意義的研究成果。本文的主要工作包括:
　　1.基于稀疏表示的高光譜圖像分類方法:高光譜圖像含有豐富的光譜信息和空間信息，首先利用光譜信息通過稀疏表示求解算法獲得稀疏系數(shù)向量，對稀疏系數(shù)向量進(jìn)行一系列的處理得到概率圖，然后利用空間信息對其進(jìn)行濾波處理，最后通過對概率圖進(jìn)行比較獲得分類結(jié)果圖。
　　2.基于

3、稀疏表示的多特征高光譜圖像分類方法:結(jié)合核轉(zhuǎn)換的稀疏表示方法將低維空間的信息轉(zhuǎn)換到高維空間再進(jìn)行分類處理，在某些類別上能夠取得較好的效果。同時利用高光譜圖像的原始信息對其進(jìn)行分類處理，同樣在其他一些類別能取得不錯的效果。因此，通過結(jié)合線性特征和非線性特征，同時利用高光譜圖像的空間信息和光譜信息對其進(jìn)行分類。
　　本文通過Indian Pines、Pavia University和Salinas Scene這三幅在高光譜圖像分類上經(jīng)