基于DL1图和KNN图叠加图的高光谱图像半监督分类算法

发布时间：2018-05-08 10:57

  本文选题：高光谱图像 + 半监督分类　； 参考：《中国科学:信息科学》2017年12期

【摘要】：基于少数已标记样本的高光谱图像分类是一个具有挑战的任务.本文将概率矩阵与L1图的权值矩阵叠加,形成了强鉴别力的DL1图.将空间的局部信息与光谱的全局信息通过KNN图和DL1图结合在一起,构建了空谱信息联合的图框架结构,使用该框架构建的图,能更精细地反映高光谱图像数据的图谱结构.利用图的标记传播达到半监督分类的目的,以此提高小样本高光谱图像自动分类的精度,实验表明,在标记样本比例为5%时,分类精度提升亦非常显著.
[Abstract]:Hyperspectral image classification based on a few labeled samples is a challenging task. In this paper, the probability matrix and the weight matrix of L1 graph are superposed to form a strong discriminant DL1 graph. By combining the local information of space with the global information of spectrum through KNN diagram and DL1 diagram, the frame structure of spatial spectrum information is constructed. Using the frame, the graph structure of hyperspectral image data can be reflected more finely. In order to improve the accuracy of hyperspectral image classification of small samples, the label propagation of map is used to achieve the goal of semi-supervised classification. The experimental results show that the classification accuracy is improved significantly when the scale of labeled samples is 5.
【作者单位】： 北方民族大学计算机科学与工程学院;中软国际有限公司欧美线speech组;
【基金】：国家自然科学基金(批准号:61461002) 宁夏自然科学基金(批准号:NZ15105) 北方民族大学校级科研项目(批准号:JSKY06),北方民族大学研究生创新项目(批准号:YCX1657)资助
【分类号】：TP181;TP751

【相似文献】

相关期刊论文 前10条

1 陈雨时;张晔;张钧萍;;基于线性模型最优预测的高光谱图像压缩[J];南京航空航天大学学报;2007年03期

2 谌德荣;宫久路;陈乾;曹旭平;;基于样本分割的快速高光谱图像异常检测支持向量数据描述方法[J];兵工学报;2008年09期

3 蒲晓丰;雷武虎;张林虎;蒋奇材;;基于Fukunaga-Koontz变换的高光谱图像异常检测[J];红外技术;2010年04期

4 成宝芝;郭宗光;;高光谱图像波段间相关特性研究[J];大庆师范学院学报;2013年06期

5 杨龙;易宏杰;李因彦;;遥感高光谱图像赤潮识别[J];传感器世界;2007年05期

6 汪倩;陶鹏;;结合空间信息的高光谱图像快速分类方法[J];微计算机信息;2010年21期

7 王立国;孙杰;肖倩;;结合空-谱信息的高光谱图像分类方法[J];黑龙江大学自然科学学报;2010年06期

8 付欢;龙海南;韩晓霞;;基于冗余字典的高光谱图像的稀疏分解[J];河北软件职业技术学院学报;2013年04期

9 耿修瑞,张霞,陈正超,张兵,郑兰芬,童庆禧;一种基于空间连续性的高光谱图像分类方法[J];红外与毫米波学报;2004年04期

10 张绮玮;机载高光谱遥感图像处理软件系统[J];红外;2005年02期

相关会议论文 前5条

1 张兵;王向伟;郑兰芬;童庆禧;;高光谱图像地物分类与识别研究[A];成像光谱技术与应用研讨会论文集[C];2004年

2 王成;何伟基;陈钱;;基于波段重组和小波变换的高光谱图像嵌入式压缩方法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

3 孙蕾;罗建书;;基于分类预测的高光谱遥感图像无损压缩[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

4 张晓红;张立福;王晋年;童庆禧;;HJ-1A卫星高光谱遥感图像质量综合评价[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

5 蒲晓丰;雷武虎;黄涛;王迪;;基于稳健背景子空间的高光谱图像异常检测[A];中国光学学会2010年光学大会论文集[C];2010年

相关博士学位论文 前10条

1 普晗晔;高光谱遥感图像的解混理论和方法研究[D];复旦大学;2014年

2 贺智;改进的经验模态分解算法及其在高光谱图像分类中的应用[D];哈尔滨工业大学;2014年

3 叶珍;高光谱图像特征提取与分类算法研究[D];西北工业大学;2015年

4 冯婕;基于软计算和互信息理论的遥感图像地物分类[D];西安电子科技大学;2014年

5 曲海成;面向光谱解混的高光谱图像快速处理技术研究[D];哈尔滨工业大学;2016年

6 王忠良;基于线性混合模型的高光谱图像压缩感知研究[D];西北工业大学;2015年

7 贺霖;高光谱图像自动目标检测技术研究[D];西北工业大学;2007年

8 周爽;蚁群算法在高光谱图像降维和分类中的应用研究[D];哈尔滨工业大学;2010年

9 郝思媛;空谱协作的高光谱图像分类方法研究[D];哈尔滨工程大学;2015年

10 杨京辉;基于稀疏表达及空间信息的高光谱图像分类方法研究[D];哈尔滨工程大学;2016年

相关硕士学位论文 前10条

1 王启聪;高光谱图像分类的GPU并行优化研究[D];南京理工大学;2015年

2 程凯;无先验信息的高光谱图像小目标检测算法研究[D];苏州大学;2015年

3 吴蓓芬;偏振高光谱图像场景仿真及分类方法研究[D];哈尔滨工业大学;2015年

4 霍莹;高光谱CCD机载相机检测设备研制[D];长春理工大学;2015年

5 王磊;基于张量的高光谱遥感图像压缩研究[D];复旦大学;2014年

6 邬文慧;空谱联合高光谱遥感图像半监督分类[D];西安电子科技大学;2014年

7 王依萍;基于主动学习的高光谱图像分类方法研究[D];西安电子科技大学;2014年

8 刘嘉慧;基于稀疏表示的高光谱图像分类和解混方法研究[D];西安电子科技大学;2014年

9 王U喺，

本文编号：1861115