本文選題：高光譜圖像 + 半監(jiān)督分類��； 參考：《中國科學:信息科學》2017年12期

【摘要】：基于少數(shù)已標記樣本的高光譜圖像分類是一個具有挑戰(zhàn)的任務(wù).本文將概率矩陣與L1圖的權(quán)值矩陣疊加,形成了強鑒別力的DL1圖.將空間的局部信息與光譜的全局信息通過KNN圖和DL1圖結(jié)合在一起,構(gòu)建了空譜信息聯(lián)合的圖框架結(jié)構(gòu),使用該框架構(gòu)建的圖,能更精細地反映高光譜圖像數(shù)據(jù)的圖譜結(jié)構(gòu).利用圖的標記傳播達到半監(jiān)督分類的目的,以此提高小樣本高光譜圖像自動分類的精度,實驗表明,在標記樣本比例為5%時,分類精度提升亦非常顯著.
[Abstract]:Hyperspectral image classification based on a few labeled samples is a challenging task. In this paper, the probability matrix and the weight matrix of L1 graph are superposed to form a strong discriminant DL1 graph. By combining the local information of space with the global information of spectrum through KNN diagram and DL1 diagram, the frame structure of spatial spectrum information is constructed. Using the frame, the graph structure of hyperspectral image data can be reflected more finely. In order to improve the accuracy of hyperspectral image classification of small samples, the label propagation of map is used to achieve the goal of semi-supervised classification. The experimental results show that the classification accuracy is improved significantly when the scale of labeled samples is 5.
【作者單位】： 北方民族大學計算機科學與工程學院;中軟國際有限公司歐美線speech組;
【基金】：國家自然科學基金(批準號:61461002) 寧夏自然科學基金(批準號:NZ15105) 北方民族大學校級科研項目(批準號:JSKY06),北方民族大學研究生創(chuàng)新項目(批準號:YCX1657)資助
【分類號】：TP181;TP751

【相似文獻】

相關(guān)期刊論文 前10條

1 陳雨時;張曄;張鈞萍;;基于線性模型最優(yōu)預(yù)測的高光譜圖像壓縮[J];南京航空航天大學學報;2007年03期

2 諶德榮;宮久路;陳乾;曹旭平;;基于樣本分割的快速高光譜圖像異常檢測支持向量數(shù)據(jù)描述方法[J];兵工學報;2008年09期

3 蒲曉豐;雷武虎;張林虎;蔣奇材;;基于Fukunaga-Koontz變換的高光譜圖像異常檢測[J];紅外技術(shù);2010年04期

4 成寶芝;郭宗光;;高光譜圖像波段間相關(guān)特性研究[J];大慶師范學院學報;2013年06期

5 楊龍;易宏杰;李因彥;;遙感高光譜圖像赤潮識別[J];傳感器世界;2007年05期

6 汪倩;陶鵬;;結(jié)合空間信息的高光譜圖像快速分類方法[J];微計算機信息;2010年21期

7 王立國;孫杰;肖倩;;結(jié)合空-譜信息的高光譜圖像分類方法[J];黑龍江大學自然科學學報;2010年06期

8 付歡;龍海南;韓曉霞;;基于冗余字典的高光譜圖像的稀疏分解[J];河北軟件職業(yè)技術(shù)學院學報;2013年04期

9 耿修瑞,張霞,陳正超,張兵,鄭蘭芬,童慶禧;一種基于空間連續(xù)性的高光譜圖像分類方法[J];紅外與毫米波學報;2004年04期

10 張綺瑋;機載高光譜遙感圖像處理軟件系統(tǒng)[J];紅外;2005年02期

相關(guān)會議論文 前5條

1 張兵;王向偉;鄭蘭芬;童慶禧;;高光譜圖像地物分類與識別研究[A];成像光譜技術(shù)與應(yīng)用研討會論文集[C];2004年

2 王成;何偉基;陳錢;;基于波段重組和小波變換的高光譜圖像嵌入式壓縮方法[A];黑龍江、江蘇、山東、河南、江西 五省光學（激光）聯(lián)合學術(shù)‘13年會論文（摘要）集[C];2013年

3 孫蕾;羅建書;;基于分類預(yù)測的高光譜遙感圖像無損壓縮[A];第一屆建立和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2005）論文集[C];2005年

4 張曉紅;張立福;王晉年;童慶禧;;HJ-1A衛(wèi)星高光譜遙感圖像質(zhì)量綜合評價[A];第八屆成像光譜技術(shù)與應(yīng)用研討會暨交叉學科論壇文集[C];2010年

5 蒲曉豐;雷武虎;黃濤;王迪;;基于穩(wěn)健背景子空間的高光譜圖像異常檢測[A];中國光學學會2010年光學大會論文集[C];2010年

相關(guān)博士學位論文 前10條

1 普晗曄;高光譜遙感圖像的解混理論和方法研究[D];復(fù)旦大學;2014年

2 賀智;改進的經(jīng)驗?zāi)B(tài)分解算法及其在高光譜圖像分類中的應(yīng)用[D];哈爾濱工業(yè)大學;2014年

3 葉珍;高光譜圖像特征提取與分類算法研究[D];西北工業(yè)大學;2015年

4 馮婕;基于軟計算和互信息理論的遙感圖像地物分類[D];西安電子科技大學;2014年

5 曲海成;面向光譜解混的高光譜圖像快速處理技術(shù)研究[D];哈爾濱工業(yè)大學;2016年

6 王忠良;基于線性混合模型的高光譜圖像壓縮感知研究[D];西北工業(yè)大學;2015年

7 賀霖;高光譜圖像自動目標檢測技術(shù)研究[D];西北工業(yè)大學;2007年

8 周爽;蟻群算法在高光譜圖像降維和分類中的應(yīng)用研究[D];哈爾濱工業(yè)大學;2010年

9 郝思媛;空譜協(xié)作的高光譜圖像分類方法研究[D];哈爾濱工程大學;2015年

10 楊京輝;基于稀疏表達及空間信息的高光譜圖像分類方法研究[D];哈爾濱工程大學;2016年

相關(guān)碩士學位論文 前10條

1 王啟聰;高光譜圖像分類的GPU并行優(yōu)化研究[D];南京理工大學;2015年

2 程凱;無先驗信息的高光譜圖像小目標檢測算法研究[D];蘇州大學;2015年

3 吳蓓芬;偏振高光譜圖像場景仿真及分類方法研究[D];哈爾濱工業(yè)大學;2015年

4 霍瑩;高光譜CCD機載相機檢測設(shè)備研制[D];長春理工大學;2015年

5 王磊;基于張量的高光譜遙感圖像壓縮研究[D];復(fù)旦大學;2014年

6 鄔文慧;空譜聯(lián)合高光譜遙感圖像半監(jiān)督分類[D];西安電子科技大學;2014年

7 王依萍;基于主動學習的高光譜圖像分類方法研究[D];西安電子科技大學;2014年

8 劉嘉慧;基于稀疏表示的高光譜圖像分類和解混方法研究[D];西安電子科技大學;2014年

9 王U喺，

本文編號：1861115