公开(公告)号：CN108985360B

公开(公告)日：2022-04-08

申请号：CN201810698251.X

申请日：2018-06-29

Applicant: 西安电子科技大学

Inventor： 慕彩红 ,  刘逸 ,  孙梦花 ,  刘敬 ,  田小林 ,  朱虎明 ,  刘若辰 ,  侯彪 ,  焦李成

IPC: G06K9/62 ,  G06V10/774 ,  G06V10/764 ,  G06V10/762

Abstract: 本发明公开一种基于扩展形态学与主动学习的高光谱图像分类方法，解决现有技术不能充分挖掘高光谱图像空间信息，导致分类精度低的问题。其步骤为：1)输入高光谱图像数据；2)对数据降维，提取光谱特征，并通过形态学剖面变换，得到空间特征；3)融合空谱特征，划分训练与测试样本集；4)利用训练样本集进行SVM分类；5)主动学习循环，由MCLU准则和AP聚类选取样本标记，更新训练与测试样本集；6)利用新的训练样本集进行SVM分类，直到训练样本数量达到预设数量时停止，得到最终分类结果。本发明将多结构元素的形态学特征与主动学习相结合，充分利用空谱信息，在小样本前提下提高了分类精度。

公开(公告)号：CN108985360A

公开(公告)日：2018-12-11

申请号：CN201810698251.X

申请日：2018-06-29

Applicant: 西安电子科技大学

Inventor： 慕彩红 ,  刘逸 ,  孙梦花 ,  刘敬 ,  田小林 ,  朱虎明 ,  刘若辰 ,  侯彪 ,  焦李成

IPC: G06K9/62

Abstract: 本发明公开一种基于扩展形态学与主动学习的高光谱图像分类方法，解决现有技术不能充分挖掘高光谱图像空间信息，导致分类精度低的问题。其步骤为：1)输入高光谱图像数据；2)对数据降维，提取光谱特征，并通过形态学剖面变换，得到空间特征；3)融合空谱特征，划分训练与测试样本集；4)利用训练样本集进行SVM分类；5)主动学习循环，由MCLU准则和AP聚类选取样本标记，更新训练与测试样本集；6)利用新的训练样本集进行SVM分类，直到训练样本数量达到预设数量时停止，得到最终分类结果。本发明将多结构元素的形态学特征与主动学习相结合，充分利用空谱信息，在小样本前提下提高了分类精度。