1. 毕业设计（论文）主要目标：
随着现代高科技的快速发展，高光谱遥感技术作为一门综合性的高新技术，在理论技术及应用方面都得到了广泛的发展。
高光谱遥感图像除了光谱数量多、范围广以外，还具有高空间和高时间分辨率的特点，这使得其成为日常生产生活中重要的数据来源之一。
在遥感数据处理领域，一个重要的基础问题就是分类问题，但高光谱数据的非线性、高维度、高相关性等特点使得传统的分类算法面临诸多挑战。
2. 毕业设计（论文）主要内容：
随着现代科技的迅速发展，高分辨率遥感图像已经成为日常生活中重要的数据来源之一。日常生产生活中对遥感图像的研究主要以分类为基础，其分类结果可用于城市规划、环境保护、资源勘探等诸多领域，但在如今的大数据环境下，传统的分类方法已无法满足其高效准确的分类要求。 如今，深度学习已经在图像识别、语音识别、自然语言处理等诸多领域取得了令人惊叹的卓越表现，是传统方法无可比拟的。目前已有研究者试图将深度学习技术应用于遥感图像处理当中。基于此，本文通过查阅大量相关文献，对现有卷积神经网络的研究现状进行分析，并结合遥感图像的数据特点，基于经典的VGGNet-16模型构建适合的 CNN 模型并将其应用于遥感图像的地物分类任务中。主要内容分为三大部分：（1）研究分析传统分类算法的缺陷和不足。
（2）研究卷积神经网络的分类原理并重点分析VGGNet-16网络模型。
（3）基于VGGNet-16网络模型，分析深度学习中的常见算法，并比较得出其中最为先进的算法，利用其训练构建出适用于遥感图像复杂地物场景分类的高精度分类模型。
3. 主要参考文献
[1] 李石华,王金亮, 毕艳, et al. 遥感图像分类方法研究综述[J].国土资源遥感, 2005(2).
[2] 闫琰,董秀兰, 李燕. 基于ENVI的遥感图像监督分类方法比较研究[J]. 北京测绘, 2011(3).
[3] 罗来平,宫辉力, 赵文吉, et al. 遥感图像决策树分类器研究与实现[J]. 遥感信息, 2006, 2006(3):13-15.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
