面向高光谱图像分类的半监督空谱判别分析

• 作者: 侯榜焕 姚敏立 王榕 王锟 贾维敏
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 高光谱图像分类 特征提取 判别分析 空谱联合 半监督学习 空间近邻
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 1098-1106,1115
• 页数: 10页
• 分类号: P237
• 字数: 7277字
• 语种: 中文

摘要

为充分利用高光谱图像蕴藏的空间信息提升分类精度,提出了面向高光谱图像分类的半监督空谱判别分析(S3DA)算法.考虑高光谱图像数据集的空间一致性,首先利用少量标记样本定义类内散度矩阵,保存数据集同类像元的光谱近邻结构;再利用无标记样本定义空间近邻像元散度矩阵,揭示像元间的空间近邻结构和地物的空间分布结构信息.S3DA既保持数据集在光谱域的可分性,又保存了无标记样本蕴藏的空间域近邻结构,增强了同类像元和空间近邻像元在投影子空间的聚集性,从而提升分类性能.在PaviaU和IndianPines数据集的试验表明,总体分类精度分别达到81.50%和71.77%.与传统的光谱方法比较,该算法能有效提升高光谱图像数据集的地物分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚敏立	火箭军工程大学信息工程系	20	44	4.0	6.0
2	贾维敏	火箭军工程大学信息工程系	23	56	4.0	7.0
3	王锟		3	11	2.0	3.0
4	侯榜焕	火箭军工程大学信息工程系	4	23	3.0	4.0
5	王榕	火箭军工程大学信息工程系	2	28	2.0	2.0