基于半监督流形学的多光谱遥感数据土地利用分类方法

摘要

本发明公开了一种基于半监督流形学的多光谱遥感数据土地利用分类方法，涉及土地利用分类的方法；将多光谱遥感数据根据其波段生成矩阵作为样本数据集；从样本数据集中选取部分样本数据，并根据先验知识标注样本类别标签，同时从样本数据集中随机选取部分样本数据作为无标记数据；构建相似图和相异图来度量数据点的相似性与相异性，并计算权重矩阵；通过优化目标函数计算得到投影矩阵；对整幅多光谱遥感数据进行投影；用K-近邻分类算法进行土地利用分类；本发明利用半监督流形学方法，加入随机选取的无标注样本数据，通过优化目标函数计算投影矩阵，来实现提高土地利用分类的精度，同时有效节约了标注训练样本类别的成本。

主权项

基于半监督流形学习的多光谱图像土地利用分类方法，其特征在于：包括以下步骤：(1)读入多光谱遥感图像数据；(2)读入多光谱遥感图像中选取多个样本数据点，对每一个样本数据点根据其波段生成一个向量，然后将所得向量组成矩阵，作为样本数据集；(3)根据先验知识从样本数据集中选取部分样本数据进行已知地物类别的标注，生成样本类别标签；(4)通过样本类别标签来构建度量数据点的相似性与相异性的相似图和相异图；(5)利用热核构建相似图和相异图的权重矩阵；(6)根据样本数据集和权重矩阵来计算局部相似结构矩阵和全局相异结构矩阵；(7)通过全局相异结构矩阵和优化目标函数来计算多光谱遥感图像的投影矩阵；(8)通过投影矩阵对整幅多光谱遥感数据进行投影；(9)对投影后的整幅多光谱遥感数据用K‑近邻分类算法进行分类；(10)输出多光谱遥感数据地物分类图。