中文摘要：

基于流形学习和支撑向量机理论，构建高光谱影像处理的新理论和新方法。将流形学习引入高光谱遥感领域，填补流形学习在高光谱遥感领域的应用空白；研究采用流形学习的高光谱影像本维特征认知模型和快速准确高光谱降维算法，并结合层次向量机发展以精确分类、地物识别、特征信息提取为目标的高光谱遥感信息智能处理模型。利用高光谱数据分布的内在维数来分析数据，从数据集在观测空间呈现的非线性来重新认识影像数据的几何结构，不仅是对流形学习理论的深入研究和实践验证，同时是对高光谱遥感信息处理的理论和研究方向进行的发展和突破，在理论和技术上都具有独创性。将模式识别新方法和高光谱应用有机结合，联合流形学习与层次向量机应用以克服高光谱数据非线性以及高维空间特殊性质对传统方法产生的束缚，提高高光谱数据处理的自动化和智能化水平，促进高光谱遥感科学的深层次研究

结论摘要：

该项目基于流形学习和支撑向量机理论，构建高光谱影像处理的新理论和新方法。将流形学习引入高光谱遥感领域，填补流形学习在高光谱遥感领域的应用空白；研究采用流形学习的高光谱影像本维特征认知模型和快速准确高光谱降维算法，并结合层次向量机发展以精确分类、地物识别、特征信息提取为目标的高光谱遥感信息智能处理模型。 课题组顺利完成预定研究内容在高光谱数据结构特征分析基础上，研究了利用流形学习算法进行本征维数估计，重点解决了高光谱影像流形数学描述和结构模型生成问题；研究了基于流形算法的高光谱信息降维处理技术，对比分析了LLE方法、ISOMAP流形学习算法与PCA主成分变换等常用降维算法处理性能；基于流形学习降维支持，研究了具有流形认知机理的高光谱影像支撑向量机智能解译与识别（分类）技术，设计了结合光谱特征的基于ELM算法的快速识别的理论算法研究， 相关成果作为主要发明点荣获国家技术发明二等奖；研究了基于流形学习的快速光谱匹配识别技术，相关成果作为主要技术点荣获军队科技进步二等奖。 该项目利用高光谱数据分布的内在维数来分析数据，从数据集在观测空间呈现的非线性来重新认识影像数据的几何结构，不仅是对流形学习理论的深入研究和实践验证，同时是对高光谱遥感信息处理的理论和研究方向进行的发展和突破，在理论和技术上都具有独创性。 并在基于ISOMAP流形学习算法的高光谱降维处理技术、基于支配点影像拼接的高光谱流形学习处理、基于MAP推广模型和流形降维的的光谱保持型融合技术、基于粗糙模型聚类的高光谱层次支撑向量机分类等方面进行了创新性工作。 项目组按照研究计划，合理分工，注重创新与交流，及时归纳成果，先后发表和录用论文7篇，其中申请人作为第一作者和通讯作者发表5篇，EI、ISTP收录5篇，获得国家技术发明二等奖和军队科技进步二等奖各一项，参加参加SPIE等国际会议6次，口头汇报3次。