基于主动学习和空间约束的高光谱影像分类

• 作者: 孟凡纪 敖平平
• 来源期刊: 测绘与空间地理信息
• 学科: 地球科学
• 关键词: 支持向量机 马尔科夫随机场 高光谱影像 遥感分类 主动学习
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 3S 技术与应用
• 页码范围: 178-182
• 页数: 5页
• 分类号: P237
• 字数: 3380字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-5867.2018.08.049

摘要

高光谱影像具有数据量大、波段数多和信息冗余等问题,其分类一直是目前的一项研究热点.针对高光谱影像分类存在的问题,本文提出了一种利用主动学习和空间约束的高光谱影像分类方法.首先利用样本的先验分布状态建立样本的置信度模型,迭代选择最有"价值"的样本扩充训练样本库,以此训练最优的支持向量机分类器对高光谱影像进行分类,然后利用马尔科夫随机场(Markov Random Fields,MRF)引入空间信息,优化分类结果.文中在Indian Pines数据集上验证提出方法的有效性.实验结果表明,本文提出的方法通过样本的先验信息训练最优的SVM模型,能够有效地分类不同地物,总体分类正确率达到88％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	敖平平		8	6	2.0	2.0
2	孟凡纪		3	1	1.0	1.0