基于Fisher准则和TrAdaboost的高光谱相似样本分类算法

• 作者: 刘万军 曲海成 李天慧
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 高光谱图像分类 光谱角 光谱信息散度 Fisher准则
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 技术方法
• 页码范围: 41-48
• 页数: 8页
• 分类号: TP751
• 字数: 6943字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2018.04.07

摘要

针对小样本情况下高光谱类别相似导致图像类间分类精度低的问题,提出了一种基于Fisher准则和TrAda-boost的高光谱相似样本分类算法(H_TrAdaboost).首先,结合光谱角法与光谱信息散度对样本进行相似度测量,确定辅助训练样本集,扩大总训练样本数量;其次,利用改进的Fisher准则进行样本可分性研究,从而在总训练样本中选出分类性较强的波段子集;最后,在算法迭代过程中利用TrAdaboost算法动态调整正负样本的权重,完成小样本情况下高光谱相似样本类间分类.结果表明,提出的H_TrAdaboost算法相较于对比算法有较高的分类精度,证明了所提算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘万军	辽宁工程技术大学软件学院	181	1681	19.0	33.0
2	曲海成	辽宁工程技术大学软件学院	52	387	11.0	18.0
3	李天慧	辽宁工程技术大学软件学院	2	1	1.0	1.0