遥感图像分类与识别系统的设计与实现开题报告

1. 研究目的与意义

航天遥感技术起源于1957年，随着航天技术和传感器技术的不断进步，航天遥感技术融合了地球科学、计算机、空间科学等学科技术，是一门综合性的交叉学科。遥感技术通过探测仪器接收和处理来自地物的电磁波反射和辐射信息，最后形成遥感图像。遥感图像包含地物从可见光到热红外波段范围内的光谱信息和空间信息，覆盖的范围非常辽阔，其中蕴含着许多的信息。通过对遥感图像中信息的处理能够实现对地物类别的分类并发现其空间分布特征等属性。由于应用的需求，对于遥感图像分类的精度要求也越来越高。航天遥感图像不同于普通的数字图像，其中包含着许多的光谱信息有助于地物的精确分类和识别。但是由于成像过程中受到许多因素干扰如大气的折射、散射、吸收等导致遥感图像中有着许多的冗余信息。传统的分类方法由于技术和理论的限制大多使用浅层模型结构如支持向量机和决策树等这些处理方式不能够对遥感图像中的信息进行完全的处理因此传统的分类方法并不能满足精度的需求，而深度学习的方法来进行图像识别能够有效的提升识别精度。利用深度学习模型对大数据进行处理是目前热门研究方向之一，即利用深度学习，模型网络层数多、参数量大、容量大等特点来处理大规模的数据。

本课题预期完成遥感图像分类与识别系统的设计与实现，以解决遥感图像传统分类方式不能够快速、仔细、全面对遥感图像进行分析的弊端。本系统将帮助遥感相关爱好者更加便捷的实现对遥感图像的分类工作，帮助其节约传统分类所需花费的大量精力与时间。

2. 课题关键问题和重难点

遥感图像分类与识别系统主要功能是对遥感图像进行分析，其中包括3个模块：对导入的遥感图像进行初步处理将图像进行分块操作、基于深度学习的遥感图像分类与识别工作、基于深度学习遥感图像分类与识别系统前端实现。本课题拟完成遥感图像分类与识别系统的实现。

本课题关键：

3. 国内外研究现状（文献综述）

随着我们国家的日益强盛，我们在航天方面取得的成就越来越多，获得的航天信息变得越来越容易。但海量的信息如果不能够被妥善的处理好，如此多的信息反而会成为我们科技发展之路上的绊脚石。而在这其中以航天遥感技术最为需要得到改进，遥感影像分类技术已经广泛应用于海洋监测、资源勘探、农业监测、军事等领域，为资源的规划、管理和决策提供技术支持^[1]。

遥感是指运用传感器对物体的电磁波的辐射、反射特性的探测技术^[2]。科技的不断发展，遥感技术已经达到先进水平，遥感技术可以在较短的时间对大范围地区进行观测，且获取信息的速度快。遥感技术发展过程中，遥感图像的质量不断得到提高，高质量的遥感图像为智能对地观测提供了强大的数据支持^[3]。

但随着越发复杂的遥感图像信息很难从其中提取有效的信息变成困扰着遥感科学的难题。遥感图像分类是遥感图像信息处理中最基本的问题之一，遥感技术很多方面的应用都涉及遥感图像分类问题的研究，因此，遥感图像分类方法的提高直接影响着遥感技术的应用发展。作为遥感应用系统中关键技术的遥感图像分类主要是依据具有地物电磁波辐射信息特征的遥感图像，区分识别地面物体的类别。高效、高精度的遥感图像分类方法是实现各种应用的前提。遥感图像分类一直被从事遥感信息处理的广大科技人员所重视。许多研究者一直尝试、改进，以及探索新的方法，不断提高遥感图像自动分类算法的精度和速度^[4]。

4. 研究方案

1.系统功能结构图

图1 遥感图像识别与分类系统功能结构图

5. 工作计划

2022-2023-1学期：

第15-16周：完成选题，查阅相关中英文资料，进行相关技术的学习；

第17周：与导师沟通进行课题总体规划；