基于对抗技术的高光谱图像分类系统的设计及实现

摘要：

高光谱图像分类是高光谱遥感领域中的研究热点之一,它作为高光谱遥感图像处理过程中一个非常重要的环节,对于高光谱图像的理解分析有很好的帮助.目前已经有多种基于机器学习理论的高光谱图像分类算法,但其分类效果大部分依赖于标注样本的数量.然而在高光谱数据中,通常标注样本较少而未标注样本较多.针对少量标记样本导致高光谱分类效果较差的问题,本文提出了基于多分类器的生成对抗网络样本扩增方法.使用提取的固定邻域大小的像素块代表每一个样本,并划分少量的样本作为训练集来训练生成对抗网络,利用训练好的生成网络生成带标记的样本与少量的真实样本混合后一起作为训练集训练分类模型,采用SVM进行分类预测.并利用web系统交互的方式来展示高光谱数据分类的结果,将训练好的模型加载到浏览器中,可以自由选择扩充样本的数量并进行分类测试,从多个角度对预测结果进行可视化.

关键词：高光谱图像分类、深度学习、生成对抗网络、卷积神经网络、支持向量机、数据增强

所属期刊栏目：34

分类号：N37(数据处理)

在线出版日期：2021-01-12（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：520-525,543