双层视图筛选下多视图主动学习的高光谱图像分类

• 作者: 陈立伟 崔玉婕 房赫 佟志勇
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 高光谱图像分类 多视图学习 主动学习 3D-Gabor 视图筛选 充分性 多样性 采样策略
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 智能科学与技术
• 页码范围: 27-32,38
• 页数: 7页
• 分类号: TP753
• 语种: 中文
• DOI: 10.11991/yykj.202107006

摘要

针对高光谱图像分类已标记样本稀缺的问题,研究如何高效利用多视图选取更高质量的未标记样本.首先采用不同方向、尺度的3D-Gabor滤波器产生兼具空间?光谱信息的数据立方体;然后进行双层视图筛选:第1层筛选最具充分性的多视图,接着针对传统视图多样性筛选计算量大、耗时长的问题,提出在低维空间计算视图的多样性强度值DI,利用DI值从最具充分性的多视图中再次筛选多样性视图;最后,利用自适应最大不一致采样策略从未标记样本集挑选样本.将提出的方法在Indian Pines数据集和Salinas数据集上进行仿真实验,实验结果表明与传统算法相比,基于多样性强度值视图筛选方法在保持相似的分类精度同时,有效减少耗时,节省了大量时间成本.