基于光谱特征和纹理特征协同学习的高光谱图像数据分类

摘要：

高光谱遥感图像中包含有大量的高维数据,传统的有监督学习算法在对这些数据进行分类时要求获取足够多的有标记样本用于分类器的训练.然而,对高光谱图像中大量的复杂地物像元所属类别进行准确标注通常需要耗费极大的人力.在本文中,我们提出了一种基于半监督学习的光谱和纹理特征协同学习(STF-CT)--法,利用协同学习机制将高光谱图像光谱特征和空间纹理特征这两种不同的特征结合起来,用于小训练样本集下的高光谱图像数据分类问题.STF-CT算法充分利用了高光谱图像的光谱和纹理特征这两个独立视图,构建起一种有效的半监督分类方法,用于提升分类器在小训练样本集情况下的分类精度.实验结果表明该算法在小训练样本集下的高光谱地物分类问题上具有很好的效果.

关键词：高光谱图像、协同学习、半监督学习、分类

所属期刊栏目：39

分类号：TP391;TN911.73(计算技术、计算机技术)

资助基金：浙江省自然科学基金LY12F02018;浙江省教育厅科研资助项目Y201222997;国家自然科学基金61271022;深圳市基础研究计划JC201105130444A

在线出版日期：2013-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：88-94