La teledetección hiperespectral puede obtener información de teledetección más precisa y rica, por lo que abarca varios niveles y etapas de la aviación, el espacio y la observación terrestre de pequeña escala en varios países, ocupando un lugar insustituible en el campo de la teledetección de la observación terrestre. Sin embargo, los conjuntos de datos hiperespectrales suelen ser muy grandes y contienen información redundante, lo que dificulta el procesamiento posterior. Este estudio eligió el mapeo de características de Laplace para la reducción de dimensionalidad y la extracción de características de los datos hiperespectrales, y propuso un algoritmo clasificador bayesiano ingenuo ponderado. El clasificador bayesiano ingenuo clásico fue mejorado mediante un método de ponderación de recompensas, se validó el algoritmo con datos abiertos, alcanzando una precisión de discriminación de información terrestre del 92,7%, lo que representa una mejora significativa en comparación con los métodos tradicionales.

hiperespectral;extracción de características;reconocimiento de objetivos;algoritmo de clasificación bayesiano ingenuo;mapeo de características de Laplace