1、近些年來(lái)，高光譜遙感技術(shù)迅速發(fā)展，已經(jīng)為眾多研究人員所關(guān)注。相比傳統(tǒng)的多光譜遙感來(lái)說(shuō)，高光譜遙感表現(xiàn)出明顯的優(yōu)勢(shì)。在保留較高的空間分辨率的前提下，它的光譜分辨率大大提升，為精細(xì)化的地物分類及目標(biāo)識(shí)別提供了可能。然而，高維的高光譜數(shù)據(jù)也帶來(lái)了更高的處理復(fù)雜度。此外，訓(xùn)練樣本不足，波段間的強(qiáng)相關(guān)性、類內(nèi)差異明顯等問(wèn)題也給后期的圖像數(shù)據(jù)處理、分類帶來(lái)了挑戰(zhàn)。因此，研究如何克服以上問(wèn)題的干擾，從而有效利用高光譜數(shù)據(jù)快速而準(zhǔn)確地挖掘出所需要的信息

2、，實(shí)現(xiàn)高精度的分類，仍是一個(gè)亟待解決的問(wèn)題。
　　本研究主要內(nèi)容包括：⑴在基于光譜度量分類方面，鑒于傳統(tǒng)光譜匹配方法及延伸算法無(wú)法適應(yīng)類內(nèi)差異變化，本文提出基于密度峰值聚類方法與光譜匹配融合方法對(duì)高光譜圖像分類。首先對(duì)高光譜圖像進(jìn)行預(yù)處理，然后利用密度峰值聚類方法快速找到聚類中心并將剩余的像素點(diǎn)進(jìn)行分塊，最后利用聚類中心的光譜與光譜庫(kù)進(jìn)行光譜匹配識(shí)別出地物類別。該融合方法較好地解決了類內(nèi)差異明顯的問(wèn)題。⑵提出基于密度峰值聚類的方法

3、提取樣本并對(duì)高光譜圖像分類。首先對(duì)基于光譜特征和基于統(tǒng)計(jì)特征的典型方法（光譜匹配法、神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)方法）進(jìn)行樣本容量影響分析。實(shí)驗(yàn)證明光譜匹配法對(duì)樣本容量并不敏感，而神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的分類精度在一定程度上依賴于樣本容量的多少。因此本文采用基于密度峰值的聚類方法將聚類中心周圍點(diǎn)樣本點(diǎn)劃分為訓(xùn)練樣本，實(shí)驗(yàn)證明新增樣本可以很好地提高支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)的分類精度。由此可以得出結(jié)論，基于密度峰值聚類方法選取的樣本點(diǎn)可以用來(lái)增加訓(xùn)練樣