發(fā)布時間：2021-03-15 15:33

　　近年來,協(xié)同表示分類（Collaborative Representation Classification,CRC）算法成為高光譜遙感影像分類的研究熱點,尤其是切空間協(xié)同表示分類（Tangent Space Collaborative Representation,TCRC）利用切平面估計測試樣本的局部流形,其分類精度得到了顯著提高。為進(jìn)一步提升高光譜遙感影像分類的準(zhǔn)確性和可靠性,提出了基于Boosting的高光譜遙感影像切空間協(xié)同表示分類算法（Boosting-based Tangent Space Collaborative Representation Classification,Boost TCRC）。Boost TCRC算法采用TCRC算法作為基分類器,通過Boosting原理自適應(yīng)地調(diào)整訓(xùn)練樣本的權(quán)重,增大錯分樣本的權(quán)重從而使得分類器專注于較難分類的訓(xùn)練樣本,然后在基于殘差域融合時根據(jù)基分類器的分類表現(xiàn)賦予其權(quán)重,最終采用最小重構(gòu)誤差的原則對測試樣本進(jìn)行分類。實驗采用HyMap（Hyperspectral Mapper）和AVIRIS（Airbone Visible I... 

【文章來源】：遙感技術(shù)與應(yīng)用. 2020,35(03)北大核心

【文章頁數(shù)】：11 頁

【部分圖文】：

Purdue Campus數(shù)據(jù)集

Purdue Campus數(shù)據(jù)集6種分類算法的分類效果圖

Indian Pines數(shù)據(jù)集


本文編號：3084409