基于自适应字典的小样本高光谱图像分类方法

• 全文链接
• 请求原文

作   者：

虎晓红;  司海平; 

作者机构：

河南农业大学信息与管理科学学院; 

关键词：

小样本;  超像素分割;  高光谱图像分类;  自适应字典;  空谱重构; 

期刊名称：

农业机械学报

基金项目：

基于药用植物化学型研究策略探索平栽黄芪化学和药效变异规律

i s s n：

年卷期：

2021 年 001 期

页   码：

154-161

摘   要：

在有限标记样本下,为了有效协同空谱信息提高高光谱图像的分类性能,提出了一种基于自适应字典的小样本高光谱图像分类方法。首先,对高光谱图像进行熵率超像素分割,分析标记样本的超像素区域和光谱近邻,将鉴别力高的样本扩展至标记样本集;然后在扩展的标记样本集上分析测试样本的空谱信息,对不同的测试样本精简标记样本集,形成自适应字典;最后在自适应字典上,协同空谱信息重构测试样本,在协同表示中同时考虑重构字典中空谱信息的竞争性。实验结果表明,对比传统的基于光谱的方法和固定窗口尺寸下融合空谱特征的高光谱图像分类方法在印地安农林数据集上,当训练样本数目仅为样本集数目2%时,本文方法总体分类精度为91.45%,比其他方法高3.48～39.52个百分点;在训练样本数为1%的帕维亚大学数据集上,该方法的总体分类精度达到95.54%,比其他方法高2.45～21.63个百分点,验证了本文方法的有效性。