第五次作业：项目分类

一、前言：项目名称、项目简介

项目名称：高光谱图像分类
项目简介：高光谱成像是一项重要的遥感技术，它采集了从可见光到近红外波段的电磁光谱。在高光谱图像（Hyperspectral Image，HSI）中，每个像素都可以看作是一个高维向量，像素的数值对应于特定波长的光谱反射率。高光谱图像分类是对图像中每个像素的类标签进行分类的任务，在遥感图像分析中有着广泛的应用，包括精准农业，环境分析，军事监视，矿物勘探，城市调查等。

二、NABCD模型分析

(1) N (Need 需求)

​ 随着我国高分辨率对地观测系统的实施，特别是搭载纳米级高光谱相机的高分卫星的的发射，高光谱遥感存在重大战略应用需求。高光谱图像技术作为一项图像识别分类技术，它对于一些需要通过图像监测勘察的作业有着十分大的帮助，在农业、林业、矿业、军事侦察、环境监测、地质勘探和深空探测领域等方面都起尤为突出的作用。其中一个关键应用是少量样本下的高光谱图像地物精细分类问题。在传统的图像分析中，作为农业、林业、矿业等从业人员虽然能够得到对环境监测的实时图像，但并不能很好地提取到其中的有用信息，其一部分原因在于光谱图像这一方面的技术较为落后。但是我们发现目前市面上并没有一块非常合适的软件，也没有相关网页来进行分类，所以该产品市场需求是有的。
​
(2) A (Approach 做法)

​ 我们小组决定使用B/S的模式，实现一个具有高光谱图像识别功能的网站。这是出于对“核心技术”和“便捷亲民”的折中结合考虑。高光谱图像识别作为一项技术，其背后一定包含了众多的理论支撑和实践检验，当中的复杂度甚高。基于机制与策略分离的思想，我们将技术的核心部分封装起来，其中的参数和模型调整交给程序员在服务器独单实现，封装成几个用户友好型的接口供用户使用。这也是受用户所喜欢的一种方式。

​ 同学们有学习过深度学习中无监督分类和有监督分类(包含半监督分类)两种的相关内容。无监督分类是指在没有预先标注数据标签的情况下对高光谱图像进行分类(聚类)，主要思想是依照能代表像素特点的特征信息(空间信息、谱信息及特征等)将相似的像素归为一类。有监督的分类指的是在有预先标注数据作为监督信号的情况下对高光谱图像进行分类，主要思想是利用有标注的数据学习像素特征信息与像素类别之间的内在关系，然后利用这种关系对没有标注的数据进行分类，确定像素类别。

​ 我们可以使用2D、3D卷积，3D卷积对应的激活函数也多一个维度，我们可以根据具体应用，在视频中就是时间维，在CT图像中就是层数维。为了提升网络的性能，我们可以使用自注意力机制，得到更好的训练模型，从而使结果更准确。我们可以找到现在相关的大量数据来进行训练，再加上模型的高效性，分类效果会很不错。

​ 同时我们学习过自然语言处理以及python科学计算这两门课，对于模型的搭建、训练过程等都比较熟悉。

​ 我们在github上找到了大量的数据集用于模型的训练。

​ 本学期学习过Web框架编程、之前也学过移动软件开发等，这都有利于Web网页的书写。

​ 对于这个项目的实现，我们的团队绝对有足够的能力完成。我们有能够实现高光谱技术的方法，也有对网站搭建的经验，更有作为支点的的技术使两者各自协调运作，完成高内聚低耦合的设计目标。

(3) B (Benefit 好处)

​ 高光谱图像技术已经成为各多个领域急需的一种技术支持。在农业作业中，农民需要定期观察作物的生长情况，而高光谱技术通过其强大的特征提取和分辨技术，能够很好地把不同作物的分布，生长趋势反映在图像中；同理，在林业作业中，能够提取动植物特征，掌握某一地带中的生态情况；而在矿业方面，更是发挥着巨大的作用，如在围岩中识别已被热液侵入导致蚀变的矿物。可见，高光谱图像技术的推广和投入使用是必须提上日程的一件事，在该项技术的帮助下，不仅仅是相关从业人员，也是让投资人们获得更好效益的手段。

(4) C (Competitors 竞争)

​ 高光谱图像识别技术作为一项正发展中的技术，其当前市场投入使用还是占少数，有关地质勘查任务的使用比较，主要用于高校研究领域和国家地质、大气机构。不少以专业的系统软件进行包装，甚至只能运行在指定的系统中。作为专业软件，它收取的费用也相对较高，原因在于维护和更新的成本较大。这些都是市场份额较少的原因。而我们项目在立项之初的宗旨便是努力让更多人享受高光谱图像识别技术为自己的工作带来的方便，让技术得到推广。B/S模式解决了人们与这项技术的距离感，让普通从业者和这项技术面对面交谈，碰撞出新的火花。在成果投入使用后，初期主要以推广为主，采取提供免费使用服务的方式，先让域名进入更多人的收藏夹中。通过这种方式甚至能把原来使用专业向软件，但只使用了其中部分功能的人吸引过来。

(5) D (Delivery 交付， Data 数据）

Delivery交付

​ 我们采用B/S模式的方式为用户提供服务，其先天性的优势是毋庸置疑的：跨平台，节约内存，更新方便等，都会让用户更加优先地选择我们。有关收费方面，前期我们可以通过qq、微信等社交工具，向同学、朋友推荐我们的软件或网页，让他们试用，并给予我们反馈，采取免费开放使用的方式，一段时间后，可以转变为新用户赠送试用期方式，同时推出分享领取免费的特定功能使用次数，邀请好友助力领取免费使用卡等方式利用用户的圈子宣传。在做完用户调查得到反馈之后，再通过反馈来进一步改进我们的软件。

Data 数据

​ 我们选取大量数据集进行训练；

​ 在开发软件之前我们可以先将软件推给有这方面需求的公司进行初期的使用，让他们来反馈，提出建议；

​ 在前端开发时可以在显示结果后加一个反馈按钮，当用户发现可改进的地方时可以通过这一功能进行反馈。

​ 不同宣传途径传播效率的数据:：针对不同平台的宣传分享链接添加额外的信息，并记录，就可以知道用户大多是通过何种途径了解到我们的产品了。

三、电梯演说

​ 我们项目聚焦的问题在于：相关从业人员需要易于上手的高光谱图像识别工具，投资方需要增加产能实现利益最大化。我们的项目能够提供给用户一个稳定高效的分类系统，在友好的界面上快速进行高光谱图像分类，先提供简单基础功能，后续更新加入更多功能，初期降低工具使用成本，让使用者通过较高性价比的方式使用这项技术，简洁高效是我们的宗旨。它不仅能弥补人眼识别的局限性，还对于军事、土木、医学、视频等各个专业领域有重大发展作用。