Гиперспектральное дистанционное зондирование может получать более точную и богатую информацию дистанционного зондирования, поэтому охватывает несколько уровней и этапов авиационного, космического и маломасштабного наземного наблюдения в различных странах, занимая незаменимое место в области дистанционного зондирования наземных наблюдений. Однако гиперспектральные данные часто очень объёмны и содержат избыточную информацию, что затрудняет последующую обработку. В исследовании выбрано использование отображения признаков Лапласа для снижения размерности и извлечения признаков гиперспектральных данных, а также предложен алгоритм взвешенного наивного байесовского классификатора. Классический наивный байесовский классификатор был улучшен методом награждения весов, алгоритм был проверен с использованием открытых данных, точность определения информации о земной поверхности достигла 92,7%, что значительно выше по сравнению с традиционными методами.

гиперспектральный;извлечение признаков;распознавание объектов;алгоритм наивного байесовского классификатора;отображение признаков Лапласа