主动学习与图的半监督相结合的高光谱影像分类

摘要：

针对当前高光谱影像分类时，人工标注样本费时费力以及大量未标记样本未有效利用等问题，提出了一种主动学习与图的半监督相结合的高光谱影像分类方法。首先，将像素的光谱信息与其邻域内的空间信息相结合，利用重排序机制得到一种旋转不变的空谱特征表达。在此基础上，利用主动学习算法选择最不确定性样本(即分类模糊度最大的样本)，提交操作者标注得到标记样本集。最后将该标记样本与未标记样本组合，用于图的半监督分类。该算法可保证类别边界样本的选择，利于分类器的边界构造，同时，在较少标记样本情况下，通过引入大量的未标记样本，可以达到较好的分类效果。在3幅真实高光谱影像上的试验表明，该方法可以取得精度较高的分类结果。

关键词：高光谱影像分类、图的半监督学习、主动学习、空-谱特征

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家973计划2012CB719903;国家自然科学基金41301453;中国博士后面上基金2013M530361;教育部博士点基金20130162120027Foundation support:The National Basic Research Program of China 973 Program 2012CB719903;The National Natural Science Foundation of China41301453;China Postdoc-toral Science Foundation2013M530361;Specialized Research Foud for the Doctoral Program of Higher Education20130162120027

在线出版日期：2015-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：919-926