主权项 |
一种主动学习和邻域信息相结合的高光谱图像分类方法,包括如下步骤:(1)把大小为m×n的待分类高光谱图像中的所有像元作为总样本集X,在总样本集X中随机选择1%的样本进行专家标记,作为已标记样本集X<sub>l</sub>,将其余样本集X<sub>u</sub>作为未标记样本集,并用已标记样本集X<sub>l</sub>对初始的SVM分类器进行训练,设置最大迭代次数T,T>0,并开始第一次迭代;(2)用训练后的SVM分类器根据主动学习的采样策略从未标记样本集X<sub>u</sub>中挑选出信息含量最大的q个样本,由专家进行标记,其中q<X<sub>u</sub>;(3)将专家标记后的q个样本放入已标记样本集X<sub>l</sub>中,并将该q个样本从未标记样本集X<sub>u</sub>中移除,得到更新后的已标记样本集X<sub>l</sub>’和未标记样本集X<sub>u</sub>’,令已标记样本集X<sub>l</sub>=X<sub>l</sub>’,未标记样本集X<sub>u</sub>=X<sub>u</sub>’;(4)用已标记样本集X<sub>l</sub>重新对SVM分类器进行训练,完成一次迭代;(5)根据停止准则判断是否退出迭代:如果达到最大迭代次数,则退出迭代,继续下一步骤,否则返回步骤2,进行下一次迭代,并使迭代次数加一;(6)利用步骤(4)中训练好的SVM分类器对未标记样本集X<sub>u</sub>进行测试得到初始测试结果;(7)应用已标记样本集X<sub>l</sub>中每个样本的邻域信息对步骤(6)中的测试结果进行修正,得到最终分类结果:(7a)对于已标记样本集X<sub>l</sub>中的一个样本(x<sub>li</sub>,y<sub>li</sub>),判断与其相邻的四个样本x<sub>li‑n</sub>,x<sub>li‑1</sub>,x<sub>li+1</sub>,x<sub>li+n</sub>是否在未标记样本集X<sub>u</sub>中:如果在,分别求样本x<sub>li‑n</sub>,x<sub>li‑1</sub>,x<sub>li+1</sub>,x<sub>li+n</sub>与x<sub>li</sub>的光谱相关系数S<sub>li‑n</sub>,S<sub>li‑1</sub>,S<sub>li+1</sub>,S<sub>li+n</sub>;如果不在,则初始测试结果中样本x<sub>li‑n</sub>,x<sub>li‑1</sub>,x<sub>li+1</sub>,x<sub>li+n</sub>对应的标签不变,其中,x<sub>li</sub>为样本的特征向量,y<sub>li</sub>为样本的标签,li<X<sub>l</sub>,n为待分类高光谱图像的列数;(7b)将光谱相关系数S<sub>li‑n</sub>,S<sub>li‑1</sub>,S<sub>li+1</sub>,S<sub>li+n</sub>分别与设定的阈值ω进行大小比较,根据比较的结果对初始测试结果中对应样本的标签进行修正,其中0.95<ω<1;(7c)重复步骤(7a)和(7b)对已标记样本集X<sub>l</sub>中所有的样本进行修正,得到的修正结果则为最终的分类结果。 |