基于光谱特征和纹理特征协同学习的高光谱图像数据分类.pdfVIP

第39卷第 11期 光电工程 、，o1．39．NO．11 2012年 l1月 Opto—ElectronicEngineering NOV,2012 文章编号：1003—501X(2012)1卜0088—07 基于光谱特征和纹理特征协同学习的 -_．_ IL— Cj 同 光谱图像数据分类 李吉明 ，贾 森2，彭艳斌 。 (1．浙江警察学院 刑事科学技术系，杭州 310053； 2．深圳大学 计算机与软件学院，广东 深圳 518060； 3．浙江科技学院 信息与电子工程学院，杭州 310023) 摘要：高光谱遥感图像 中包含有大量的高维数据，传统的有监督学习算法在对这些数据进行分类时要求获取足够 多的有标记样本用于分类器的训练。然而，对高光谱图像中大量的复杂地物像元所属类别进行准确标注通常需要 耗费极大的人力。在本文中，我们提 出了一种基于半监督学习的光谱和纹理特征协同学习(STF．CT)算法，利用协 同学习机制将高光谱图像光谱特征和空间纹理特征这两种不同的特征结合起来，用于小训练样本集下的高光谱图 像数据分类问题。STF．CT算法充分利用了高光谱图像的光谱和纹理特征这两个独立视图，构建起一种有效的半 监督分类方法，用于提升分类器在小训练样本集情况下的分类精度。实验结果表明该算法在小训练样本集下的高 光谱地物分类问题上具有很好的效果。 关键词：高光谱图像；协同学习；半监督学习；分类 中图分类号：TP391；TN911．73 文献标志码：A doi：10．3969~．issn．1003—501X．2012．11．014 HyperspectralDataClassificationwithSpectraland TextureFeaturesbyCo—trainingAlgorithm LIJi．ming1 JIA Sen2 PENG Yan．bin3 ， ， (1．DepartmentofForensicScience，Zh~iangPoliceCollege，Hangzhou310053，China； 2．CollegeofComputerScienceandSoftwareEngineering, ShenzhenUniversity，Shenzhen518060，GuangdongProvince，China； 3．SchooloflnformationandElectronicEngineering, ZhejiangUniversityofScienceandTechnology，Hangzhou310023，China) Abstract：Obtaining labeled training setsforhyperspectralimagedataclassification isoften time consumingand expensive．Therefore，classification ofhyperspectraldata wi