王立国， 池辛格

(1.大连民族大学 信息与通信工程学院，辽宁 大连 116600； 2.哈尔滨工程大学 信息与通信工程学院，黑龙江 哈尔滨 150001)

遥感(remote sensing, RS)技术从20世纪60年代左右开始发展，是一种综合对地观测技术。该技术要求以非接触的方式借助设备获取相关数据并分析得到有效信息。随后诞生的高光谱遥感(hyperspectral remote sensing, HRS)技术融合了目标探测和光谱成像技术，因其能够表征地物的多维特征信息，实现更详细的地物分类而受到青睐，并逐渐成为遥感领域研究的热点问题。如今高光谱遥感的各种技术被广泛研究[1-4]，并被应用到军事、农业、工业等诸多领域，让我们的生活工作更加便利。高光谱遥感可以获取地物数百个连续的谱段信息，提供丰富的光谱信息，但存在着数据量大，波段互相重叠，有标签样本数量少且获取代价高等缺点，对于高光谱图像的分类有较大影响。

传统的高光谱分类方法可分为无监督分类和有监督分类2种，通常情况下，无监督分类方法，如K-均值(k-means)聚类算法、ISODATA等，利用样本间的相似性或差异性进行分类，因为缺少有效的监督信息导致分类精度不高；监督分类方法，如K-邻近算法、支持向量机(support vector machine, SVM)、最大似然算法等，需要获取先验知识，因此需要大量有标记样本，导致成本过高效率降低。因此能够利用有标签和无标签样本的半监督分类方法受到了更多的欢迎并逐渐成为主流方向。目前，常用的半监督分类方法有协同训练(co-training)、生成式模型算法(generative model)、半监督支持向量机、基于图的半监督算法等几种。……