The invention provides a method of hyperspectral remote sensing image classification method, equipment and storage equipment, learning in the target domain training samples by using the basic classifier; classification model; source domain of training samples for classification; selected classification markers and real markers consistent training samples, and migrate to the target of training samples in the domain of; to determine whether they meet the preset condition; if it does not satisfy the preset conditions, then follow the steps above; if it satisfies the preset condition, through the integrated learning method, to get the final classification model; hyperspectral remote sensing image to classify the selected test area. A hyperspectral remote sensing image classification device and storage device for the realization of a hyperspectral remote sensing image classification method. The beneficial effects of the invention are as follows: by designing an integrated transfer learning framework, the training samples of the source domain are migrated to the training samples of the target domain, which improves the number of training samples in the target area, and improves the training speed, the stability and the classification accuracy of the classification models.
【技术实现步骤摘要】
一种高光谱遥感图像分类方法、设备及存储设备
本专利技术涉及高光谱遥感图像分类方法,尤其涉及一种高光谱遥感图像分类方法、设备及存储设备。
技术介绍
高光谱遥感技术是利用成像光谱仪,得到数百,甚至上千个光谱波段数据,其光谱分辨率达到10-2λ数量级,具有较高的实时性,地物信息丰富,覆盖的地物面积广,目前已广泛地应用到环境监测、精准农业、地质勘探等领域,在我国民生和国防中发挥了重要的作用。在高光谱遥感图像分类中,训练样本的多少直接影响了分类模型的精确度。不比普通的图像分类,高光谱遥感图像训练样本的获取需要大量人工参与,成本较高。因此,如何在有限的训练样本上建立精确的分类模型,是目前高光谱遥感研究的热点。为了解决上述问题,业界在高光谱遥感图像分类中运用了半监督学习方法,但是由于分类目标的形状、缩放、旋转、变形、姿态等造成了数据的实际分布与由训练数据学习得到模型不一致时,强制将未标记样本加入到训练样本中,有可能降低分类的准确率。同时,由于高光谱遥感图像数据量十分庞大,目前大多数分类器不能兼顾精解效率和时间效率。因此,由训练样本不足而引起的训练速度慢、分类模型不稳定、分类精度不高的问题,是高光谱遥感图像分类中一个亟需解决的技术问题。
技术实现思路
一种高光谱遥感图像分类方法的主要步骤有:利用基本分类器在目标域训练样本上进行学习;得到分类模型,保存所述分类模型;利用所述分类模型对源域的训练样本进行分类;筛选出分类标记和真实标记一致的训练样本,并将筛选出的训练样本迁移到所述目标域的训练样本中;判断是否满足预设条件;若不满足所述预设条件,则执行上述步骤;若满足所述预设条件,则通 ...
【技术保护点】
一种高光谱遥感图像分类方法,其特征在于:包括以下步骤:步骤1:利用基本分类器在目标域的训练样本上进行学习;步骤2:得到一个分类模型,保存所述分类模型;步骤3:利用所述分类模型对源域的训练样本进行分类;步骤4:筛选出分类标记和真实标记一致的训练样本,并将筛选出的训练样本迁移到所述目标域的训练样本中;步骤5:判断是否满足预设条件?若满足所述预设条件,则到步骤6;若不满足所述预设条件,则回到步骤1;步骤6:通过集成学习方法,将每次执行步骤2得到的分类模型进行集成,得到最终分类模型;步骤7:利用所述最终分类模型对选取的试验区域的高光谱遥感图像进行分类。
【技术特征摘要】
1.一种高光谱遥感图像分类方法,其特征在于:包括以下步骤:步骤1:利用基本分类器在目标域的训练样本上进行学习;步骤2:得到一个分类模型,保存所述分类模型;步骤3:利用所述分类模型对源域的训练样本进行分类;步骤4:筛选出分类标记和真实标记一致的训练样本,并将筛选出的训练样本迁移到所述目标域的训练样本中;步骤5:判断是否满足预设条件?若满足所述预设条件,则到步骤6;若不满足所述预设条件,则回到步骤1;步骤6:通过集成学习方法,将每次执行步骤2得到的分类模型进行集成,得到最终分类模型;步骤7:利用所述最终分类模型对选取的试验区域的高光谱遥感图像进行分类。2.如权利要求1所述的一种高光谱遥感图像分类方法,其特征在于:选取森林、坡地和山脊为所述源域和所述目标域的样本类别。3.如权利要求1所述的一种高光谱遥感图像分类方法,其特征在于:所述源域为选取的高光谱试验区域的一个训练样本区域,所述目标域为选取的高光谱试验区域的另一个训练样本区域。4.如权...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。