基于图模型的高光谱图像分类算法

摘要：

高光谱图像(HSI)分类是HSI处理中的重要预处理手段,其目标是对HSI数据中每个像素点进行类别标记,标记结果常用于识别、勘探等应用.针对HSI分类任务中存在的数据量大、数据维度高、已知样本量少等难点,提出一种基于图模型的半监督分类算法.该算法将HSI数据建立为图以实现降维,而后将分类问题归结为一个无约束的优化问题.由于在求解优化问题时涉及到矩阵求逆,数据规模大时计算复杂度会变高.为了避免大规模的矩阵求逆,采用拟牛顿法进行求解,通过对Hessian矩阵进行分解,对计算步长时涉及到的求逆操作进行近似,且该算法能够分布式实现.仿真实验表明,与现有算法相比,本算法在大规模且类别多的HSI分类任务下计算复杂度较低,能完成较高精度的分类.

关键词：高光谱图像、半监督学习、分布式算法、无约束优化、大规模问题

所属期刊栏目：42

分类号：TP391.4;TP322+.3(计算技术、计算机技术)

资助基金：国家自然科学基金;桂林电子科技大学研究生教育创新计划

在线出版日期：2022-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：205-210