基于空‑谱信息的高光谱图像半监督分类方法.pdf
琰琬****买买
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于空‑谱信息的高光谱图像半监督分类方法.pdf
本发明公开了一种基于空‑谱信息的高光谱图像半监督分类方法,该方法将高光谱图像中的光谱信息、空间信息联合作用于支持向量机分类器,采用自训练的半监督分类框架,并利用主动学习的方法作为半监督分类的样本选取策略,将半监督分类得到的初始分类结果进行按类分解得到的各类的二值图像作为边缘保留滤波器的输入图像,光谱信息的第一主成分分量作为滤波器的参照图像,利用边缘保留滤波器进行局部平滑,消除噪声,然后将像元按照所属概率最大的类别进行划分,完成分类过程。本发明联合光谱信息和空间信息提高了类别的可分性,利用自训练的半监督分类
基于语义保留的对抗混合半监督高光谱图像分类方法.pdf
本发明涉及一种基于语义保留的对抗混合半监督高光谱图像分类方法,所述方法在训练阶段包括以下步骤:步骤1、通过特征提取网络对有标签样本进行特征提取;步骤2、通过所述特征提取网络对从样本集中随机抽取的两个无标签样本进行特征提取,将所提取的两个无标签样本的特征混合后送入重构网络;步骤3、通过所述重构网络重构样本,将重构的样本送入对抗语义还原网络;步骤4、通过联合损失函数来优化特征提取网络、重构网络和对抗语义还原网络的参数。所述方法在测试阶段包括以下步骤:步骤5、将需要分类的高光谱图像的无标签样本送入所述特征提取网
空谱联合先验的高光谱图像解混与分类方法.doc
空谱联合先验的高光谱图像解混与分类方法高光谱成像是近年来遥感领域发展较快、较前沿的技术。由于包含丰富的空间、辐射和光谱三重信息,高光谱遥感已被广泛应用于精准农业、矿物勘测、军事目标识别、环境监测、灾害评估等领域。因此,对高光谱数据的处理与解译具有重要的理论意义和实际应用价值。高光谱解混和分类是高光谱遥感信息处理中的关键科学问题,也是定量分析以及后续应用的重要基础。由于受仪器、大气辐射、光照不均、地物结构等因素的影响,相同地物的光谱曲线存在一定的差异,使得仅利用光谱信息的解混和分类方法的精度无法得到保障。空
一种基于多尺度空谱特征联合学习的高光谱图像分类方法.pdf
本发明提供一种基于多尺度空谱特征联合学习的高光谱图像分类方法,通过多尺度光谱特征提取模块和多尺度空间特征提取模块分别有效提取了不同尺度的光谱特征和空间特征,再通过光谱?空间特征融合模块进行光谱特征和空间特征的联合提取,实现了光谱?空间特征的联合学习,充分利用了高光谱图像中丰富的光谱和空间信息,提高了分类精度;同时,本发明将光谱?空间特征的提取通过三组卷积神经网络来实现,且第一组三维卷积层Ⅰ中卷积核的前两维尺寸为1×1,第二组为二维卷积层,相比于全部使用三个维度均不为1的多层三维卷积神经网络,能够在保证分类
基于核极限学习的空谱联合高光谱图像分类方法与系统实现的开题报告.docx
基于核极限学习的空谱联合高光谱图像分类方法与系统实现的开题报告一、课题研究意义随着遥感技术的不断发展,高光谱图像已经成为研究地球表面物质的有效手段之一。在高光谱图像分类中,特征选择是一个十分重要的问题。传统的特征选择方法往往需要人工干预,难以自主学习和更新特征。而机器学习方法则往往需要大量的标注样本,有着大量的时间和成本开销。因此,本文提出了一种基于核极限学习的空谱联合高光谱图像分类方法,可以实现基本无监督的特征学习和分类。二、研究内容和技术路线(一)研究内容本文主要研究基于核极限学习和空谱联合的高光谱图