崔颖，徐凯，陆忠军，刘述彬，王立国

（1. 哈尔滨工程大学信息与通信工程学院，黑龙江 哈尔滨 150001；2. 黑龙江省农业科学院遥感技术中心，黑龙江 哈尔滨 150086）

1 引言

高光谱图像分类已经成为高光谱图像的重要应用之一。对于高光谱图像分类，普通用户对其内容的判别是有难度的，通常需要一位专家或借助同一场景的高分辨率遥感图像来完成，这使图像分类中用于训练的样本比较有限，如何在较少的人工成本基础上，用最少的训练样本，最大限度地提高分类器性能成为图像分类的关键。

机器学习中的主动学习方法通过其优越的挑选策略，能够在极大地减少人工成本的同时，获取最有价值的样本进行标注，相较于随机标注而言，主动学习算法拥有无可比拟的优势[1]。在主动学习挑选策略方面，Mitra等[2]提出了基于边缘取样（MS）的主动学习方法，用于面向对象的多光谱遥感图像分割。为了解决多分类的问题，Joshi等[3]提出了基于多类别后验概率差异最小化的方法BvSB，该算法能够有效度量哪些样本对分类器边界影响最大。Tuia等[4]提出了基于熵值的熵值装袋（EQB）的主动学习算法，该算法独立于分类器，且在遥感数据集上表现出较好的性能，但 EQB会倾向于选择有较多预测类别数的样本，为了解决此问题，李宠等[5]提出了改进EQB算法的均值熵值装袋查询（aEQB）。

在半监督学习方面，Li等[6]提出了结合半监督的主动学习方法，将主动学习过程产生的价值样本用来加速分类器的训练，和伪标签一起辅助分类器进行高效的分类。……