基于同质区和迁移学习的高光谱图像半监督分类

论文摘要

针对高光谱遥感图像分类中标记样本难获取的问题,提出了一种基于同质区和迁移学习的新型半监督分类方法。首先对高光谱图像进行分割得到高纯度的同质分割斑块,获取大量扩展训练样本。并在此基础上引入迁移学习,将扩展训练样本作为源域,剩余未标记样本作为目标域,实现多次迁移,从而减少同一幅图像上各地物的分布差异,并保留其各自的内部属性。实验结果表明,该方法是一种有效的高光谱图像半监督分类方法。

论文目录

• 0 引言
• 1 同质区获取
• 2 结合同质区和迁移学习的半监督分类
•   2.1 迁移成分分析
•   2.2 本文算法Semi-TCA
• 3 实验结果与分析
•   3.1 实验环境
•   3.2 实验数据
•   3.3 实验设置
•   3.4 实验结果与分析
•     3.4.1 Indian Pines数据集实验结果与分析
•     3.4.2 Pavia University数据集实验结果与分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 赵婵娟,周绍光,丁倩,刘丽丽

关键词: 高光谱图像分类,图像分割,半监督,迁移学习

来源: 地理信息世界 2019年05期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,自动化技术

单位: 河海大学地球科学与工程学院

基金: 国家自然科学基金项目(41271420,D010702)资助

分类号: TP751;TP181

页码: 45-52

总页数: 8

文件大小: 4553K

下载量: 134