摘要：善于捕捉空间信息的条件随机场模型虽然已被应用于高光谱遥感图像分类，但条件随机场的性能受到了标注训练样本数量的制约。为解决上述问题，本文提出了一种半监督条件随机场模型用于高光谱遥感图像分类。在该模型中，首先，利用空间-光谱拉普拉斯支持向量机定义关联势函数，以利用未标注样本中包含的信息获取样本类别概率；然后，在交互势函数中嵌入未标注的空间邻域样本，以充分利用空间信息实现对样本类别概率的修正；最后，采用分布式学习策略和平均场完成半监督条件随机场的训练和推断。本文在两个公开的高光谱数据集（Indian Pines数据集，Pavia University数据集）上进行了实验。实验结果表明Kappa系数提升3.94%。
分类：期刊> 自然科学与工程技术> 基础科学> 自然地理学测绘学
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > EI 工程索引(美) > JST 日本科学技术振兴机构数据库(日) > Pж(AJ) 文摘杂志(俄) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：高光谱 遥感 分类 半监督 条件随机场
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
