基于空间邻域信息的高光谱遥感影像半监督协同训练

发布时间：2017-07-03 15:03

  本文关键词：基于空间邻域信息的高光谱遥感影像半监督协同训练

  更多相关文章： 空间邻域信息(SNI) 协同训练 半监督 高光谱遥感影像分类

【摘要】：针对tri_training协同训练算法在小样本的高光谱遥感影像半监督分类过程中,存在增选样本的误标记问题,提出一种基于空间邻域信息的半监督协同训练分类算法tri_training_SNI(tri_training based on Spatial Neighborhood Information)。首先利用分类器度量方法不一致度量和新提出的不一致精度度量从MLR(Multinomial Logistic Regression)、KNN(k-Nearest Neighbor)、ELM(Extreme Learning Machine)和RF(Random Forest)4个分类器中选择3分类性能差异性最大的3个分类器;然后在样本选择过程中,采用选择出来的3个分类器,在两个分类器分类结果相同的基础上,加入初始训练样本的8邻域信息进行未标记样本的二次筛选和标签的确定,提高了半监督学习的样本选择精度。通过对AVIRIS和ROSIS两景高光谱遥感影像进行分类实验,结果表明与传统的tri_training协同算法相比,该算法在分类精度方面有明显提高。
【作者单位】： 中国矿业大学江苏省资源环境信息工程重点实验室;济南市城市规划咨询服务中心;卫星测绘技术与应用国家测绘地理信息局重点实验室南京大学;
【关键词】： 空间邻域信息(SNI) 协同训练 半监督 高光谱遥感影像分类
【基金】：国家自然科学基金项目(41471356) 卫星测绘技术与应用测绘地理信息局重点实验室项目(KLAMTA-201410)
【分类号】：TP751
【正文快照】： 1引言高光谱遥感影像具有光谱分辨率高、图谱合一、光谱波段范围广等优点,在对地观测时可以获得许多连续的波段,携带的地物信息非常丰富,可以更加精细地刻画地物的细节信息,进而准确地识别地物[1]。近年来,如何准确、高效地对高光谱遥感影像进行分类,已经成为了研究热点。当训

【相似文献】

中国期刊全文数据库 前2条

1 杨悦;郭树旭;任瑞治;于永力;;基于核函数及空间邻域信息的FCM图像分割新算法[J];吉林大学学报(工学版);2011年S2期

2 ;[J];;年期

中国硕士学位论文全文数据库 前1条

1 赵凡迪;基于空间邻域约束编码的视频目标跟踪研究[D];西安电子科技大学;2014年

  本文关键词：基于空间邻域信息的高光谱遥感影像半监督协同训练

  更多相关文章： 空间邻域信息(SNI) 协同训练 半监督 高光谱遥感影像分类

，

本文编号：514081