基于多尺度样本扩增的高光谱影像半监督分类

摘要：

大量的训练样本可有效缓解模型过拟合,从而提高分类效果.在初始标记样本较少的情况下,开展借助不同尺度的同质区快速扩增大量高精度训练样本的实验,并利用初始标记样本和扩增样本训练支持向量机(Support Vector Machine,SVM)分类器,实现对高光谱数据的有效分类.该方法在Pavia Univer-sity、Salinas和Indian Pines三种高光谱数据上均能获得大量高精度的训练样本,分类精度分别达到99％、99％和97％以上.实验结果表明,扩增的大量伪标签样本可以有效训练SVM分类器,提高分类效果.

关键词：高光谱影像、半监督分类、多尺度同质区、训练样本扩增、图像分割、支持向量机

所属期刊栏目：44

分类号：P237(摄影测量学与测绘遥感)

在线出版日期：2023-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：32-45