针对以上问题,本研究提出了一种深度光谱-空间协同约束的非监督融合方法(UDS2C2)。如图1所示,该方法是将一组覆盖相同区域的低分辨率高光谱图像(LrHSI)和高分辨率多光谱图像(HrMSI)通过数据融合的方式得到兼具高空间、高光谱特性的(双高)...
空间-光谱约束的图半监督高光谱影像分类算法王瑞国国土资源遥感
算法采用乘积的方式组合空间信息与光谱信息的权值, 从而扩大像元点之间的相似性差异。能够在少量标签情况下, 取得较高的分类精度。同时, 也在一定程度上解决了同类地物图斑中夹杂其他类别地物散点的问题。 1 空间-光谱约束的图半监督分类算法 传统的分类方法大体可分为监督分类和非监督分类。监督分类常利用有类别标签...
1.一种基于子空间聚类约束的高光谱影像解混方法,其特征在于,包括以下步骤:1)输入高光谱影像Y;2)将子空间聚类方法嵌入到非负矩阵分解框架中,得到一个能够充分挖掘数据子空间结构的联合统一解混框架; 2.1)将子空间聚类方法嵌入到稀疏非负矩阵分解框架中,目标函数式为:其中,Y代表输入的高光谱影像;M是端元矩阵;A是丰...
1.一种基于子空间聚类约束的高光谱影像解混方法,其特征在于,包括以下步骤:1)输入高光谱影像Y;2)将子空间聚类方法嵌入到非负矩阵分解框架中,得到一个能够充分挖掘数据子空间结构的联合统一解混框架; 2.1)将子空间聚类方法嵌入到稀疏非负矩阵分解框架中,目标函数式为:其中,Y代表输入的高光谱影像;M是端元矩阵;A是丰...
本发明公开了一种高光谱分类中光谱域空间域联合相关约束的特征抽取方法,其特征在于,包括采用主成分析方法对原始高光谱图像数据进行降维去噪,并抽取原始高光谱图像数据的主成分,得到主成分分析后的样本及其标签;根据主成分分析后的样本的标签,将样本分裂成类内样本和类外样本;分别对类内样本和类外样本进行构建光谱域...
本发明公开了一种高光谱分类中光谱域空间域联合相关约束的特征抽取方法,其特征在于,包括采用主成分析方法对原始高光谱图像数据进行降维去噪,并抽取原始高光谱图像数据的主成分,得到主成分分析后的样本及其标签;根据主成分分析后的样本的标签,将样本分裂成类内样本和类外样本;分别对类内样本和类外样本进行构建光谱域...
针对高光谱遥感图像分类中带标记训练样本较少、导致分类正确率偏低的问题,提出用于高光谱图像分类的空间约束半监督高斯过程方法.由于高光谱图像的特征空 间满足流形分布假设,大量未标记样本可以使数据空间变得更加稠密,从而有助于更加准确地刻画局部空间特性,提高分类的精度和普适性.通过对高斯过程模型中 的核函数施加...
局部空间特性,提高分类的精度和普适性.通过对高斯过程模型中的核函数施加空间近邻约束,建立未标记样本与带标记样本之间的空间联系.该半监督高斯过程分类器不仅可以提升高光谱遥感图像的分类性能,而且构造简单,实现方便.实验结果表明,在仅有少量带标记的训练样本情况下,半监督高斯过程分类方法对高光谱图像有较高的分类...
通过深入分析高光谱图像空间相邻数据之间的空间相关性,提出一种利用空间相关性进行约束的联合子空间追踪解混(Spatial correlation constrained simultaneous subspace pursuit,SCCSSP)方法.该方法首先基于分块思想将高光谱图像进行分块处理,然后在图像块的端元提取步骤中,结合空间相关性特征对端元的提取进行约束,从而确保当前...