# 2024SoftwareEngineeringProject

**Repository Path**: cojinun/2024-software-engineering-project

## Basic Information

- **Project Name**: 2024SoftwareEngineeringProject
- **Description**: 2024秋季学期 软件工程原理与实践 课程项目仓库
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-11-08
- **Last Updated**: 2025-01-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 2024SoftwareEngineeringProject

#### 介绍

本项目旨在开发一个基于WEB的高光谱图像分类系统，利用深度学习技术（HybirdSN模型）实现高光谱图像的地物分类。用户通过交互界面上传高光谱图像数据，系统完成分类并展示结果，同时支持下载和查看分类的详细信息。

#### 项目结构

```csharp
master/
├── README.md                 # 项目概述
├── requirements.txt          # Python 依赖包（待生成）
├── HybirdSN/                 # 配置文件
│   ├── HybirdSN_V1 (First_Change)/                      # 第2版模型
│   ├── HybirdSN_V2 (SE_NoSoftmax_DropoutControl)/       # 第2版模型
│   ├── HybirdSN_V3 (NoSE_NoSoftmax_NoDropoutControl)/   # 第3版模型
│   └── HybirdSN_V4 (Final_Model)/                       # 第4版模型    
├── flask后端/                 # 后端代码
├── 个人报告/                  # 存放小组成员的个人报告  
│   └── image/                # 存放个人报告中的图片
├── 前端_v1/                   # 转变方向前的前端
├── 前端_v2/                   # 转变方向后的前端
├── 数据库设计/                # 存放具体的数据库设计以及E-R图等
├── 模块实现                   # 存放供组员参考的实现代码
└── 资源共享/                  # 共享学习资源
    ├── 数据集/                # 高光谱图像数据集
    └── 论文/                  # 高光谱图像分类相关论文
```
#### 技术要求

- 后端使用Flask框架，前端使用HTML、CSS、JavaScript。
- 使用 HybirdSN 模型进行高光谱图像分类模型的开发。
- 部署平台为并行智算云服务器，支持多用户访问。

#### 功能需求

##### **1. 用户功能需求**

- **用户账户管理**：
  - 提供注册和登录功能，支持用户信息存储和身份验证。
  - 用户可通过个人中心修改个人信息。
  - 提供“退出登录”功能，确保数据安全。
- **反馈与交互**：
  - 添加用户反馈按钮，允许用户评价系统，评价内容存储在数据库中。
  - 主界面实时显示以下数据块信息：
    - 系统总用户人数。
    - 用户的累计使用次数。
- **系统交互和导航**：
  - 点击“联系我们”跳转到项目的 Gitee 仓库。
  - 提供“使用教程”按钮，点击后显示浮窗教程，便于用户快速了解操作流程。

------

##### **2. 图像分类与展示功能**

- **数据上传与处理**：
  - 支持用户上传两个.mat格式的高光谱图像文件：
    - **`correct` 文件**：包含原始高光谱图像数据。
    - **`gt` 文件**：包含真实地物分类标签。
  - 验证上传文件的合法性，并对错误或不完整的数据进行提示。
- **分类功能**：
  - 系统将上传的图像传入深度学习模型 HybirdSN，分析并分类每个像素。
  - 返回高光谱图像中每个像素的地物分类结果。
- **图像结果展示**：
  - 左侧显示原始高光谱图像，右侧显示分类结果。
  - 分类结果展示为颜色标签图像，每个像素对应一个类别。
  - 支持分类图像的动态加载效果，在分类完成之前显示“Loading”动画。
  - 鼠标悬停在分类结果图像上时，显示响应式信息卡，包含：
    - 像素类别名称。
    - 分类准确率。
    - （可选）类别对应的示例图像或色卡。
- **结果下载**：
  - 用户可在分类结果展示后下载分类图像（PNG格式）和分类数据（分类报告）。

------

##### **3. 模型展示与系统说明**

- **模型与背景介绍：**
  - 主界面展示系统背景和 HybirdSN 模型的简介，帮助用户了解技术核心。

------

##### **4. 数据统计功能**

- 系统统计用户使用频率，并通过折线图展示用户使用系统的日期与次数。