1、高光譜遙感作為一種新型的遙感方式在近50年的發(fā)展中已經(jīng)在軍用和民用的多個領域發(fā)揮著重要的作用。與多光譜遙感相比，高光譜遙感數(shù)據(jù)具有波段數(shù)目多、光譜分辨率高、數(shù)據(jù)量龐大等特點，這對于利用遙感圖像進行目標分類、識別與跟蹤等都具有重要的研究價值和應用意義。然而其巨大的數(shù)據(jù)量和較高的數(shù)據(jù)維給高光譜圖像分類處理帶來較大的困難。對于高光譜圖像的分類，往往要經(jīng)過逐步的數(shù)據(jù)分析、特征提取，然后利用不同的分類器反復調(diào)整其中的分類器參數(shù)，方可尋找到最優(yōu)的分

2、類算法，重復性的處理過程使高光譜圖像分類低效率、低智能。
　　本文充分利用以往高光譜圖像分類的經(jīng)驗，并將經(jīng)驗轉(zhuǎn)化為實際的處理方案，實現(xiàn)對高光譜圖像高效準確的分類，提出并建立了基于案例推理的高光譜圖像分類識別系統(tǒng)。
　　首先，為解決高光譜圖像分類易出現(xiàn)的“維數(shù)災難”問題，對高光譜圖像特性進行分析，研究了光譜特征線性提取算法主成分分析法、基于核的及基于流形學習的光譜特征非線性提取方法，有效地保留和提取了圖像的主要特征，為后續(xù)高光

3、譜圖像分類識別奠定了基礎。
　　其次，根據(jù)高光譜圖像是否具有先驗知識，以及先驗知識的多少，分別研究了非監(jiān)督分類算法、基于統(tǒng)計決策理論及基于機器學習理論的監(jiān)督分類算法、基于小樣本理論的半監(jiān)督分類算法，同時對經(jīng)驗數(shù)據(jù)的分類結果及分類器參數(shù)選擇進行記錄，為案例推理系統(tǒng)的建立做準備。
　　最后，在以上理論研究及具體實現(xiàn)的基礎上，構建了基于案例推理的高光譜圖像分類識別系統(tǒng)，集成了多案例、多規(guī)則、多分類方法，根據(jù)不同的實際應用需求，實現(xiàn)