地理信息世界

2019, v.26;No.137(05) 45-52

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于同质区和迁移学习的高光谱图像半监督分类
Hyperspectral Remote Image Semisupervised Classificationbased on Homogeneous Region and Transfer Learning

赵婵娟;周绍光;丁倩;刘丽丽;

摘要(Abstract):

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(KeyWords): 高光谱图像分类;图像分割;半监督;迁移学习

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(41271420/D010702)资助

作者(Author): 赵婵娟;周绍光;丁倩;刘丽丽;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享