高光谱遥感影像分类算法SVM
1高光谱遥感简介
20世纪80年代以来，遥感技术的最大成就之一就是高光谱遥感技术的兴
起1。高光谱遥感技术又称成像光谱遥感技术，始于成像光谱仪的研究2。所谓
高光谱遥感HyperspectralRemoteSe
si
g通俗地说就是指利用很多很窄的电
磁波波段从感兴趣的物体中获取有关数据的方法。高光谱遥感的最大特点是，在
获得目标地物二维空间影像信息的同时，还可以获得高分辨率的可表征其地物物
理属性的光谱信息，即人们常说的具有“图谱合一”的特性。可见，与全色、彩
色和多光谱等图像数据相比，高光谱影像革命性地把地物的光谱反射信息、空间
信息和地物间的几何关系结合在了一起3。因此，可以很客观地说，高光谱遥感
是代表遥感最新成就的新型技术之一，同时也是目前国内外学者，特别是遥感领
域的学者的研究热点之一45。
2高光谱遥感研究背景
在以美国为代表的成像光谱仪研制成功，并获得高光谱影像数据后，高光谱
遥感影像由于其蕴含了丰富的信息（包括地物的空间位置、结构以及光谱特性等
信息）使得人们对地物的识别有了显著的提高，并且在许多方面和领域（比如，
农业、林业、地质勘探与调查和军事等）都体现出了潜在的巨大应用价值6。虽
然高光谱影像数据的确为我们的提供了丰富的对地观测信息，但也正是因为高光
谱庞大的数据量和高维数的问题使得我们目前对高光谱数据的处理能力显得较
为低效，而这也在一定程度上制约了高光谱数据在现实生产和生活的广泛应用与
推广78。因此，为了响应人们对高光谱影像数据处理方法所提出的新的迫切要
求，也为了充分利用高光谱数据所包含的丰富信息以最大程度地发挥高光谱的应
用价值，我们必须针对高光谱数据的独有特点，在以往遥感图像数据处理技术的
基础上，进一步改善和发展高光谱遥感影像处理分析的方法与技术。
3高光谱遥感分类研究
31
分类的意义
分类是人类了解和认识世界的不可或缺的基本手段。人类的日常生活和生产
实践都离不开，也不可能离开分类活动。面对海量数据，人类需要借助计算机来
对自身感兴趣的数据进行自动、高效和准确地分类。这一迫切需求已体现在各个
f行业和研究领域中。比如，互联网、金融、机器学习、模式识别、数据挖掘、GIS
和RS等行业和研究领域。
众所周知，通过遥感影像对目标地物进行分类不仅一直是高光谱遥感研究领
域的研究重点和主要研究内容，同时也是高光谱遥感数据处理方式的手段之一。
其主要任务是将遥感影像中所有像元或部分像元划分为不r