基于局部保持的遥感场景零样本分类算法

• 作者: 全吉成 刘宇 吴晨 王宏伟 王志强 程红 袁昱纬
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 遥感 零样本分类 k-means算法 解析字典学习 图像特征
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 遥感与传感器
• 页码范围: 337-348
• 页数: 12页
• 分类号: TP753
• 语种: 中文
• DOI: 10.3788/AOS201939.0728001

摘要

目标域遥感图像特征分布的变化,导致遥感场景零样本分类性能下降,针对该问题,提出一种基于局部保持的遥感场景零样本分类算法.首先,为减少冗余信息,采用解析字典学习方法,将源域中的场景图像特征和类别语义词向量嵌入到同一稀疏编码空间,并实现两者稀疏系数的强制对齐,以建立图像特征与词向量之间的关系;然后,通过保留图像特征空间中场景图像间的局部近邻关系,增强场景图像对应稀疏系数的鉴别性,以有助于对稀疏系数进行聚类分析;最后,为适应目标域图像特征分布变化,采用k-means算法对目标域场景图像的稀疏系数进行聚类,并以初始中心的类别标签作为对应的聚类簇中场景的类别标签.实验分别采用GoogLeNet和VGGNet图像特征,以数据集UCM作为源域遥感场景集,对目标域场景集RSSCN7进行零样本分类,获得了最高50.67％和53.29％的总体分类准确度,比现有算法各提升了8.06％和9.70％.实验结果表明:该算法能够适应目标域遥感场景图像特征分布的变化,显著提升遥感场景零样本分类效果,具有一定的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宏伟		9	0	0.0	0.0
2	吴晨		4	0	0.0	0.0
3	刘宇		7	0	0.0	0.0
4	袁昱纬		6	0	0.0	0.0
5	全吉成		10	0	0.0	0.0
6	王志强		4	0	0.0	0.0
7	程红		3	0	0.0	0.0