基于同质区和迁移学习的高光谱图像半监督分类

【作者】 赵婵娟； 周绍光； 丁倩； 刘丽丽；

【Author】 ZHAO Chanjuan;ZHOU Shaoguang;DING Qian;LIU Lili;School of Department of Earth Sciences and Engineering, Hohai University;

【通讯作者】 周绍光;

【机构】 河海大学地球科学与工程学院；

【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。更多还原