《小鳄鱼团队》第5次作业：项目选题

一、前言

项目名称：高光谱图像分类

项目简介：光谱分辨率在10nm数量级范围内的光谱图像称为高光谱图像。通过搭载在不同空间平台上的高光谱遥感传感器，在电磁波谱的紫外、可见光、近红外和中红外区域，以数十至数百个连续且细分的光谱波段对目标区域同时成像。在获得地表图像信息的同时，也获得其光谱信息。可以实现高精度的地物分类。

二、NABCD模型分析：

need（需求）

用户上传一张高光谱图像，可以得到高精度的地物分类。现如今，地物分类已经在农业到监视的各个领域中得到了应用，在大数据时代的潮流下，未来在精准农业，环境分析，军事监视，矿物勘探，城市调查等多个方面都有远大的前景。对于地理爱好者，可以分析不同的地理环境，推断地质演化的过程；对于城市规划爱好者，可以分析城市规划现状，预判未来扩建方向。

Approach（做法）

我们将采用前后端结合的方法，在前端做成可交互的网页形式，用户上传图片，在服务器通过运行训练好的模型来实现地物分类，主要包括提取HSI像素，PCA将数据的维数缩减为3维，可视化PCA之后的光谱，使用经过PCA降维后的数据进行分类，可视化分类结果。

技术可行性：

• 小组成员正在学习WEB课程，有WEB框架设计的经验，掌握了一些WEB框架设计的技术，可以运用在前端界面设计和后端开发。
• 本学期的课程中对深度学习有了一定的了解。
• 可以通过网络平台和开源代码帮助我们解决图像分析过程中遇到的问题。
• 小组成员有广泛的合作基础，队友之间了解程度较高。面对项目难关时，我们可以团结一心，坚持不懈地攻克它。小组成员均具有一定的编程能力，其中组长的个人技能尤为突出，前后端均可胜任。

benefit（好处）

• 光谱分辨率高、波段众多，能够获取地物几乎连续的光谱特征曲线，并可以根据需要选择或提取特定波段来突出目标特征；
• 同一空间分辨率下，光谱覆盖范围更宽，能够探测到地物更多对电磁波的响应特征；
• 定量化的连续光谱曲线数据为地物光谱机理模型引入图像分类提供了条件；
• 包含丰富的辐射、空间和光谱信息，是多种信息的综合载体。
• 网页端上传照片较便捷，可快速得到地物分类结果。

Competitors(竞争)

主要的竞争对手是本课上与我们选题一致的、目标任务大致相同的各个小组，以及国内外已经取得一定成果的高光谱图像分类研究，我们希望可以通过识别的准确度，网页使用的便捷性以及网页的美观性来提高竞争力。

delivery（交付）

首先会找身边的同学进行使用测试，收集大家的意见并改良。之后通过Github、博客园、CSDN以及微信QQ等平台将产品交付给用户使用，发布后一周的预计用户量在1000上下，而我们的目标用户将是年龄不等身份不同的普通大众以及对地理环境感兴趣的爱好者，由他们及时向我们反馈问题与建议，并采集足够多的数据，包括使用用户数量、使用次数、使用正确率等，团队会及时跟进，发现并解决问题。

电梯演说

高光谱图像分类在未来有着不可估量的市场，在农业，环境，规划等等多个领域发挥着不可替代的作用，目前此类项目还没有大规模应用，所以现在十分值得关注！