引入负相似的高光谱图像半监督分类

摘要：

高光谱图像数据体现为波段多、地物标签获取困难大、谱信息抗干扰能力弱等特征，容易引起维数灾难、光谱空间变异性等问题，从而影响分类器的分类精度。针对这些问题，本文将负相似信息引入到拉普拉斯支持向量机（Laplacian Support Vector Machine，LapSVM）的流形正则化项中，提出了一种引入负相似的拉普拉斯支持向量机（Dissimilarity in Laplacian Support Vector Machine，Diss-LapSVM）分类算法，抑制光谱空间变异对分类结果的影响。同时，本文提出利用线性近邻传播（Linear Neighborhood Propagation，LNP）算法构造图的拉普拉斯矩阵，更有效地引入无标签样本的信息。实验结果表明，本文算法的分类精度得到了提高，特别是对光谱特征相似的地物。

关键词：高光谱图像、负相似、LapSVM算法、LNP 算法、半监督分类

分类号：TN911.73

资助基金：国家自然科学基金项目61275010；教育部博士点基金20132304110007；黑龙江省自然科学基金F201409

在线出版日期：2015-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：414-422