10.11896/j.issn.1002-137X.2018.12.037
基于自适应主动学习与联合双边滤波的高光谱图像分类
在高光谱图像分类中,选择合适的样本作为训练样本对分类器进行训练非常重要.将样本的不确定性与代表性相结合,通过自适应主动学习方法来完成样本的选择.用核K均值聚类来获取具有代表性的样本,用最优标号和次优标号的概率差值与两者比值的加权和来度量不确定性.此外,为了提高分类的准确率,利用联合双边滤波来获取高光谱图像的空间信息,并将其融入分类过程中.最后,提出一种融合自适应主动学习与联合双边滤波的空谱结合高光谱图像分类方法,并通过实验验证了所提方法的优越性.
高光谱图像分类、空谱结合、主动学习、联合双边滤波
45
TN911.7
国家自然科学基金项目61871174,61563036
2019-01-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
223-228