何浩， 沈永林， 刘修国， 马丽

(1.中国地质大学(武汉)信息工程学院，武汉　430074； 2.中国地质大学(武汉)机械与电子信息学院，武汉　430074； 3.新疆大学建筑工程学院，乌鲁木齐　830047)



空间-光谱约束的图半监督高光谱影像分类算法

何浩1,3， 沈永林1， 刘修国1， 马丽2

(1.中国地质大学(武汉)信息工程学院，武汉430074； 2.中国地质大学(武汉)机械与电子信息学院，武汉430074； 3.新疆大学建筑工程学院，乌鲁木齐830047)

摘要：高光谱影像数据的类标签样本获取困难，而在少量标签点情况下的分类精度通常不理想。为此，提出了一种改进的空间-光谱约束的图半监督分类算法(spatial-spectral constrained graph-based semi-supervised classification，SS-GSSC)。首先，以欧氏距离结合RBF(radial basis function)核函数确定空间相似性权值； 采用光谱相关角(spectral correlation angle,SCA)计算光谱相似性权值； 然后，将2种权值以乘积的形式进行组合，对相似性测度进行约束； 最后，利用标签传递算法对测试数据进行标签预测，获得分类结果。通过分别对Indian Pines影像和DC Sub影像进行分类实验的结果表明，该算法较之以往的分类算法，能更好地消除同类地物图斑中夹杂异类地物散点的现象，在少量标签点(每类25个)情况下，取得了较高的分类精度。

关键词：半监督分类； 图； 空间-光谱； 高光谱遥感

0引言

高光谱遥感影像分类一直是高光谱遥感领域较为热门的研究方向，从传统的监督分类、非监督分类，到近年来兴起的半监督分类，国内外研究人员已发展了多种分类算法。然而，多数算法仅利用光谱相似性测度进行分类，对地物的空间信息利用不足。针对此问题，国内外学者进行了大量的相关研究，提出了多种空间-光谱分类算法[1]。……