改进贝叶斯ARTMAP的迁移学习遥感影像分类算法.pdf

第9期 电 子 学 报 V01．44 No．9 2016年9月 ACTAELECTRONICA SINICA Sep． 2016 改进贝叶斯 ARTMAP的 迁移学习遥感影像分类算法 韩 敏 ，杨 雪 (大连理工大学电子信息与电气工程学部，辽宁大连 116023) 摘 要：遥感分类旨在从图像光谱中提取资源环境监测可用的地理信息，然而基于模式分类的图像处理技术受 光谱漂移影响而缺乏历史样本重复利用的有效策略，制约着有限目标样本下遥感分类精度的提高．针对该问题，本文 构建了基于改进的贝叶斯ARTMAP神经网络的迁移学习遥感影像分类算法，通过提高谐振匹配性来抑制类别扩散， 利用节点的离散增量期望最大化参数更新策略，将历史遥感样本中的地物分类先验信息迁移到 目标模型当中．实验结 果表明本文方法能有效利用历史遥感数据弥补缺少 目标训练数据的不足，相 比于其他样本利用策略大幅提高遥感影 像分类精度． 关键词： 遥感分类；信息提取；迁移学习；ARTMAP；神经网络 中图分类号： TP751；TP181 文献标识码： A 文章编号： 0372—2112(2016)09—2248-06 电子学报URL：http：／／www．ejourna1．org．en D0I：10．3969／j．issn．0372-2112．2016．09．033 TransferLearningUsingImprovedBayesianARTMAPfor RemoteSensingImageClassification HAN Min，YANG Xue (FacultyofElectronicInformationandElearicalEngineering，DalianUniversityofTechnology，Dalian，Liaoningl16023，China) Abstract： Remotesensingclassificationaimsatextractingavailablegeographicinformationfrom imagespectrum for resourcesandenvironmentmonitoring，butduetothespecrtaldrifteffect，htelackofeffectivesrtategiesonhistoricalsample reuseforimageprocessingtechnology based onpatternclassificationrestrictsremotesensing classification accuracywiht limitedtargetsma ples．Tosolvethisproblem ，htispaperproposesartnasferlearningalgorithnaofrremotesensingclassifica- tionusingimprovedBayesina ARTMAPneuralnetwork．Moreproductiveresonna cematchingisusedtosuppresshteunat— rtactivepropertyofcategoryproliferation，SOhtathteincrementalexpe ctationmaximizationCna beintroducedtoupdatepa- rametersadaptively．耵leclassificationpriorknowledgeofthehistoricalsamplesisrtna sferredtohtetargetmode1．Theexper—