基于空谱融合特征主动学习的高光谱图像分类

• 作者: 侯俊 刘丽芹 史振威 张宁 沈霞宏 王琰
• 来源期刊: 上海航天
• 学科: 地球科学
• 关键词: 高光谱分类 全卷积网络 空谱融合 主动学习
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 人工智能航天应用
• 页码范围: 50-56
• 页数: 7页
• 分类号: N37
• 字数: 3508字
• 语种: 中文
• DOI: 10.19328/j.cnki.1006-1630.2019.05.007

摘要

针对高光谱图像分类过程中存在的样本量少和分类精度低的问题,提出一种基于空谱融合特征主动学习的高光谱图像分类方法.主要包括构造三通道图像,全卷积网络提取空间特征,空谱特征结合,主动学习方法选择训练样本几个部分.通过结合像素的光谱特性和相邻像素间的空间关联,提取出可以反映像素空谱联合特性的综合特征,提高了像素特征的表达能力.为克服高光谱图像标注数据少、缺乏训练样本的问题,应用主动学习算法,充分选择更具有代表性的样本进行训练,达到少样本情况下较高的分类正确率.通过在标准数据集上进行实验,结果表明:该方法可以达到在总样本数1％作训练样本的情况下,分类正确率达到99.79％,优于传统的高光谱分类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史振威	北京航空航天大学宇航学院	12	112	5.0	10.0
2	王琰		7	2	1.0	1.0
3	侯俊		5	2	1.0	1.0
4	张宁		10	52	4.0	7.0
5	刘丽芹	北京航空航天大学宇航学院	1	0	0.0	0.0
6	沈霞宏		2	0	0.0	0.0