基于同质区和迁移学习的高光谱图像半监督分类 |
| |
引用本文: | 赵婵娟,周绍光,丁倩,刘丽丽.基于同质区和迁移学习的高光谱图像半监督分类[J].地理信息世界,2019,26(5). |
| |
作者姓名: | 赵婵娟 周绍光 丁倩 刘丽丽 |
| |
作者单位: | 河海大学地球科学与工程学院,江苏南京,211100;河海大学地球科学与工程学院,江苏南京,211100;河海大学地球科学与工程学院,江苏南京,211100;河海大学地球科学与工程学院,江苏南京,211100 |
| |
摘 要: | 针对高光谱遥感图像分类中标记样本难获取的问题,提出了一种基于同质区和迁移学习的新型半监督分类方法。首先对高光谱图像进行分割得到高纯度的同质分割斑块,获取大量扩展训练样本。并在此基础上引入迁移学习,将扩展训练样本作为源域,剩余未标记样本作为目标域,实现多次迁移,从而减少同一幅图像上各地物的分布差异,并保留其各自的内部属性。实验结果表明,该方法是一种有效的高光谱图像半监督分类方法。
|
关 键 词: | 高光谱图像分类 图像分割 半监督 迁移学习 |
本文献已被 CNKI 万方数据 等数据库收录! |
|