邵远杰,吴国平,马 丽

中国地质大学机械与电子信息学院,湖北 武汉 430074

属类概率距离构图的半监督高光谱图像分类

邵远杰,吴国平,马 丽

中国地质大学机械与电子信息学院,湖北 武汉 430074

提出一种利用属类概率距离构图的半监督学习算法,并利用高光谱图像数据集进行了性能测试。首先,该算法利用基于分类的稀疏表达方法来预估未标记样本的属类概率向量;然后,利用这个概率向量对描述数据相似性的距离函数进行改造,改造后的距离函数能有效扩大异类样本点之间的距离,在新的距离函数的度量下,每个样本点的邻域中可包含更多同类的样本点;最后,将该距离函数应用于半监督学习线性邻域传播算法标签传播算法中。在Hyperion和AVIRIS高光谱遥感图像上进行试验,结果表明,相比于传统的基于图的半监督学习算法,该算法能有效提高高光谱遥感图像分类精度。

高光谱图像分类;半监督学习;稀疏表达;属类概率距离

1 引 言

高光谱遥感是具有较高光谱分辨率的遥感科学和技术,它具有图谱合一特性,将代表地物性质的光谱和确定地物空间的图像结合在一起,能够获取地球表面丰富的光谱和空间信息,使得在传统多光谱遥感中不可识别的地物在高光谱中能够被识别。因此,高光谱遥感可以获取地物丰富的细节信息,鉴别地物间微小的差别,凭借其对地物属性的准确描述成功应用于地物的精细分类[1]。常用的高光谱分类算法有最大似然分类、神经网络分类、支持向量机等[2-6]。……