张 良，罗祎敏，马洪超，张 帆，胡 川

(1.湖北大学 资源环境学院，武汉 430062； 2.武汉大学 遥感信息工程学院，武汉 430079； 3.国网湖北省电力公司 检修公司，武汉 430077)

基于未标签信息主动学习算法的高光谱影像分类

张 良1*，罗祎敏2，马洪超2，张 帆1，胡 川3

(1.湖北大学 资源环境学院，武汉 430062； 2.武汉大学 遥感信息工程学院，武汉 430079； 3.国网湖北省电力公司 检修公司，武汉 430077)

(*通信作者电子邮箱zhangliang_hubeiU@hotmail.com)

针对高光谱遥感影像分类中，传统的主动学习算法仅利用已标签数据训练样本，大量未标签数据被忽视的问题,提出一种结合未标签信息的主动学习算法。首先，通过K近邻一致性原则、前后预测一致性原则和主动学习算法信息量评估3重筛选得到预测标签可信度高并具备一定信息量的未标签样本；然后，将其预测标签当作真实标签加入到标签样本集中; 最后，训练得到更优质的分类模型。实验结果表明，与被动学习算法和传统的主动学习算法相比，所提算法能够在同等标记的代价下获得更高的分类精度，同时具有更好的参数敏感性。

高光谱遥感；主动学习；图像分类；未标签信息。

0 引言

高光谱遥感图像分类是图像处理技术中重要的一类技术，其标签样本的获取十分困难，所以如何利用有限的训练样本获得更优的分类模型是一个备受关注的问题[1]。近几年，随着机器学习的不断发展，越来越多的机器学习算法，如深度学习[2]、迁移学习[3]、流行学习[4]和主动学习已经被应用于高光谱遥感图像分类问题中[5]。……