基于主动学习和空间约束的高光谱影像分类

作者： 敖平平 孟凡纪

摘要：高光谱影像具有数据量大、波段数多和信息冗余等问题,其分类一直是目前的一项研究热点.针对高光谱影像分类存在的问题,本文提出了一种利用主动学习和空间约束的高光谱影像分类方法.首先利用样本的先验分布状态建立样本的置信度模型,迭代选择最有"价值"的样本扩充训练样本库,以此训练最优的支持向量机分类器对高光谱影像进行分类,然后利用马尔科夫随机场(Markov Random Fields,MRF)引入空间信息,优化分类结果.文中在Indian Pines数据集上验证提出方法的有效性.实验结果表明,本文提出的方法通过样本的先验信息训练最优的SVM模型,能够有效地分类不同地物,总体分类正确率达到88％以上.

关键字： 支持向量机 马尔科夫随机场 高光谱影像 遥感分类 主动学习

上一篇： 基于EGM2008的铁路高程拟合应用研究
下一篇： 1:1000000标准分幅地理底图空间 数据库的设计与应用