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 hyperspectral data classification with spectral and texture features by co-training algorithm.pdfVIP

下载本文档

208
0
约1.86万字
约 7页
2017-08-21 发布于上海
举报
版权申诉

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 hyperspectral data classification with spectral and texture features by co-training algorithm.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

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 hyperspectral data classification with spectral and texture features by co-training algorithm

第39卷第11期光电工程 v01．39，No．11 1月 2012年l Opto．ElectronicEngineering Nov，2012 文章编号：1003—501x(2012)11—0088一07 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李吉明1，贾森2，彭艳斌3 (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舜口纹理特征协同学习(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 DataClassificationwith and Hyperspectral Spectral TextureFeatures byCo—trainingAlgorithm LI Yan．bin3 Ji．min91，JIASen2，PENG 10053，@in口； CoZfE妒，胁，劝o“3 (1．D印口砌lP小矿而地胛sfc＆fe，lcP，劢巧f口馏PoffcP Sciencecld st可hVnreEngineering， 2．College《Co瑚puter 51 ．S％Pnz矗P玎己7h眦，百f钞，．S^P，tz^8n8060，G“口n罟咖，喈．Pmvf，lce，(，l胁口； Electmnic nnd Engineering， 3．School《I，寸b，mntion 10023，∞f玎口) 劢巧f口馏踟fve坶砂D厂＆f绷cPn府乃c^玎ofD拶，砌馏拍o“3