面向高光谱图像分类的半监督空谱判别分析

为充分利用高光谱图像蕴藏的空间信息提升分类精度，提出了面向高光谱图像分类的半监督空谱判别分析（S3DA）算法。考虑高光谱图像数据集的空间一致性，首先利用少量标记样本定义类内散度矩阵，保存数据集同类像元的光谱近邻结构；再利用无标记样本定义空间近邻像元散度矩阵，揭示像元间的空间近邻结构和地物的空间分布结构信息。S3DA既保持数据集在光谱域的可分性，又保存了无标记样本蕴藏的空间域近邻结构，增强了同类像元和空间近邻像元在投影子空间的聚集性，从而提升分类性能。在PaviaU和Indian Pines数据集的试验表明，总体分类精度分别达到81.50%和71.77%。与传统的光谱方法比较，该算法能有效提升高...

Full description

Saved in:
Bibliographic Details
Published in:Ce hui xue bao 2017-09, Vol.46 (9), p.1098
Main Authors: 侯榜焕, 王锟, 姚敏立, 贾维敏, 王榕
Format: Article
Language:chi ; eng
Subjects:
Algorithms
Classification
Datasets
Discriminant analysis
Domains
Hyperspectral imaging
Image classification
Image processing
Pixels
Scattering
Spatial analysis
Spatial data
Spectral methods
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:为充分利用高光谱图像蕴藏的空间信息提升分类精度，提出了面向高光谱图像分类的半监督空谱判别分析（S3DA）算法。考虑高光谱图像数据集的空间一致性，首先利用少量标记样本定义类内散度矩阵，保存数据集同类像元的光谱近邻结构；再利用无标记样本定义空间近邻像元散度矩阵，揭示像元间的空间近邻结构和地物的空间分布结构信息。S3DA既保持数据集在光谱域的可分性，又保存了无标记样本蕴藏的空间域近邻结构，增强了同类像元和空间近邻像元在投影子空间的聚集性，从而提升分类性能。在PaviaU和Indian Pines数据集的试验表明，总体分类精度分别达到81.50%和71.77%。与传统的光谱方法比较，该算法能有效提升高光谱图像数据集的地物分类精度。
ISSN:1001-1595
1001-1595
DOI:10.11947/j.AGCS.2017.20170121