基于SLIC和主动学习的高光谱遥感图像分类方法

• 作者: 周绍光 胡屹群 裔阳 赵鹏飞
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 主动学习 超像素 主成分分析(PCA) 简单线性迭代聚类(SLIC) 支持向量机(SVM)分类器
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 图形图像处理
• 页码范围: 183-187,225
• 页数: 6页
• 分类号: TP751.1
• 字数: 3734字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1607-0210

摘要

在主动学习的基础上,提出一种基于SLIC的高光谱遥感图像主动分类方法.首先提取图像纹理特征并与光谱特征融合,使用PCA对新数据进行降维,取前三个主成分构成假彩色图像,然后使用SLIC处理该图像获得超像素;接着随机抽取定量超像素作为初始训练样本,样本光谱信息为超像素样本中所有像素点的光谱信息均值,样本标签为超像素中出现次数最多的类别;然后通过主动学习得到SVM分类器;最后使用分类器对超像素分类得到其类别,并将超像素类别赋予其包含的像素点,从而达到高光谱遥感图像分类的目的.实验表明:该方法明显降低了主动学习过程的时间消耗,有效地提高了分类效果,其OA,AA和Kappa值显著优于未使用SLIC的主动学习方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周绍光	河海大学地球科学与工程学院	58	368	11.0	15.0
2	胡屹群	河海大学地球科学与工程学院	9	33	3.0	5.0
3	裔阳	河海大学地球科学与工程学院	4	29	3.0	4.0
4	赵鹏飞	河海大学地球科学与工程学院	7	38	4.0	6.0