第五次作业：项目选题

本博客为OUC2022秋季软件工程第五次作业

一、项目简介

项目名称：高光谱图像分类

项目介绍：

        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：

1、N(Need需求)：

        高光谱图像数据是光谱波段数据与空间位置数据的综合体，其包含的地物类别信息丰富而复杂。高光谱图像分类研究就是为了充分利用分类相关理论和技术去充分挖掘地物信息，提供坚实可靠的地物信息基础。发展高光谱遥感技术，满足军事和民用对该技术的需求，开展该领域的研究是非常必要而有实际意义的。发展以地物精确分类、地物识别、地物特征信息提取为目标的超光谱遥感信息处理模型，提高超光谱数据处理的自动化和智能化水平。

        应用领域：航天领域——高光谱遥感；农业检测；食品安全质检；

2、A（Approach做法）：

        基于web平台的开发应用，让用户能够随时使用高光谱图像分类；组内进行分工合作，采用前后端分离的方式去开发，最好的期望是呈现一个完整的项目。

        在开发的每个阶段，根据用户数据及分反馈进行针对性分析，对高光谱图像分类和项目相关功能进一步完善。

3、B（Benefit好处）：

当前，世界各国都加强了高光谱遥感技术在各领域的应用研究：

        航天领域——探测到许多宽波段无法查探的物体

        农业——分析农作物的生长情况，方便耕作、收获等

        食品安全——检测食品的品质安全

4、C（Competitors竞争）：ERDAS、PCI、ENVI

优势：web版开发应用，打开网页即可使用；目标清晰，需求明确

5、D（Delivery交付，Data数据）

        新媒体推广：通过 CSDN, Bilibili, 知乎, 微博 等多种平台同步我们的项目进度，并将每个阶段体现出来的内容同步到 Github 上。并通过有奖参与，或转发到多个平台邀请用户对我们的项目进行评测，根据获取到的用户反馈做进一步的改进。

        最终将完整材料公开在 github。

        预计用户：200人左右

三、电梯演说

        高光谱图像分类将表征地物集合位置关系的空间信息与表征地物属性特征的光谱信息有机地融合在一起，以此来提取地物的细节信息。我们是软工第12小组，我们的产品将会带给大家全新的高光谱图像分析体验，便捷、有效是我们产品的代言词。