| 基于主动学习和空间约束的高光谱影像分类 |
| |
| 引用本文： | 敖平平,孟凡纪.基于主动学习和空间约束的高光谱影像分类[J].测绘与空间地理信息,2018(8):178-182. |
| |
| 作者姓名： | 敖平平 孟凡纪 |
| |
| 作者单位： | 东莞市地理信息与规划编制研究中心,广东 东莞,523129 |
| |
| 摘 要： | 高光谱影像具有数据量大、波段数多和信息冗余等问题,其分类一直是目前的一项研究热点。针对高光谱影像分类存在的问题,本文提出了一种利用主动学习和空间约束的高光谱影像分类方法。首先利用样本的先验分布状态建立样本的置信度模型,迭代选择最有"价值"的样本扩充训练样本库,以此训练最优的支持向量机分类器对高光谱影像进行分类,然后利用马尔科夫随机场(Markov Random Fields,MRF)引入空间信息,优化分类结果。文中在Indian Pines数据集上验证提出方法的有效性。实验结果表明,本文提出的方法通过样本的先验信息训练最优的SVM模型,能够有效地分类不同地物,总体分类正确率达到88%以上。
|
| 关 键 词： | 支持向量机 马尔科夫随机场 高光谱影像 遥感分类 主动学习 |
Hyperspectral Image Classification Based on Active Learning and Contextual Constraints |
| |
| AO Pingping,MENG Fanji.Hyperspectral Image Classification Based on Active Learning and Contextual Constraints[J].Geomatics & Spatial Information Technology,2018(8):178-182. |
| |
| Authors: | AO Pingping MENG Fanji |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
