基于空譜融合特征主動學習的高光譜圖像分類

摘要：針對高光譜圖像分類過程中存在的樣本量少和分類精度低的問題,提出一種基于空譜融合特征主動學習的高光譜圖像分類方法。主要包括構造三通道圖像,全卷積網絡提取空間特征,空譜特征結合,主動學習方法選擇訓練樣本幾個部分。通過結合像素的光譜特性和相鄰像素間的空間關聯,提取出可以反映像素空譜聯合特性的綜合特征,提高了像素特征的表達能力。為克服高光譜圖像標注數據少、缺乏訓練樣本的問題,應用主動學習算法,充分選擇更具有代表性的樣本進行訓練,達到少樣本情況下較高的分類正確率。通過在標準數據集上進行實驗,結果表明:該方法可以達到在總樣本數1%作訓練樣本的情況下,分類正確率達到99.79%,優于傳統的高光譜分類算法。