基于半监督图学习的高光谱图像的光谱空间分类

Scidown文献预览系统！

作者：scidown 发布时间：2021-06-25 15:15:43 文章标题：

基于半监督图学习的高光谱图像的光谱空间分类( Spectral-spatial classification of hyperspectral images with semi-supervised graph learning )

文章作者：

R Luo W Liao H Zhang Y Pi W Philips

文章简述：

本文提出了一种新的半监督图学习方法来融合高光谱图像的光谱信息和空间信息，用于高光谱图像的分类。在我们提出的半监督图中，样本根据标记信息（标记样本）或其k最近的光谱和空间邻居（未标记样本）进行连接。此外，我们将未标记样本与所有标记样本链接在一个类中，该类在光谱和空间特征空间中与该未标记样本最接近。因此，所连接的样本在光谱和空间域上都具有相似的特征，并有很大的可能性属于同一类。利用融合的半监督图，我们得到变换矩阵，将高维HS图像和形态特征投影到它们的低维子空间。将低维特征集中在一起得到最终的分类图，作为支持向量机分类器的输入。在一个真实的高光谱数据上的实验结果证明了我们提出的半监督融合方法的有效性。与无监督融合和有监督融合方法相比，半监督融合方法提高了分类性能。而且，即使有少量的标记训练样本，分类性能也保持稳定。

文章下载地址（开放版）：