低秩稀疏和改进SAM的高光谱图像误标签检测
2022-11-04渠慎明
激光技术 2022年6期
关键词:检测
刘 煊,渠慎明,2*
(1.河南大学 软件学院,开封 475001;2.河南大学 智能网络系统研究所,开封 475001)
引 言
高光谱图像是由成像光谱仪接收的数十上百个波段所反射回来的地物的光谱特性组成。高光谱图像由两个空间维和一个光谱维构成,光谱维中的光谱向量代表了高光谱图像中相应像素独特的光谱特征。由于光谱特征在特征识别方面的优势,目前高光谱图像处理技术已经被广泛应用到各种场景中[1-2],例如精准农业[3]、海洋监测[4]以及城乡规划[5]等。在这些应用场景中,高光谱图像分类起到了重要作用。近年来,一些空谱联合分类算法被用来提升分类精度[6-8]。这些方法用于学习训练样本标签是可行的,然而在实际应用中并非如此。
有监督的高光谱图像分类算法要求样本是标记完成的,但是手动标记过程非常困难,仅凭视觉解释的训练样本并不可靠。具体来说,引入误标签的原因有如下几点:(1)全球定位系统会对目标对象的空间位置产生不准确的估计,导致很难确定高光谱像素的精确位置;(2)对于一些场景,比如海洋和湿地,这样的场景人类无法到达,在这种情况下,基于人类视觉解读的训练样本标签不可避免会产生噪声;(3)当标记一个包含许多不规则形状土地覆盖物的场景时,人工贴标签的过程中会产生错误。
为了解决训练样本的误标签问题,对计算机视觉领域进行了深入的研究。LU等人[9]提出一种基于曼哈顿距离优化的学习模型来检测弱噪声标签。……
登录APP查看全文
