基于Renyi熵半监督学习的高光谱土地利用/覆盖分类的方法研究

摘要

遥感可以快速获得地物表面的信息,并且通过传送,处理和分析的数据,能够实现对地物表面空间分布特征的理解.高光谱分辨率遥感优势在于对地物观测时,能够获取许多连续波段的光谱信息,能够对地物对象精细描述,达到地物识别与探测的目的,与传统遥感相比在地物覆盖分类研究中更加有优势.大的。另一方面，这些方法仍然不能使分类精度显著改善特别是在地物类型复杂的环境下。rn 本文提出一种基于多分类线性回归和Renyi熵融合的半监督分类方法并应用在高光谱土地利用/覆盖分类中。该综合方法能够在获取较少训练样本的条件下，利用大量无标记样本对探测地物类型，克服了复杂地物类型环境下高误判率的缺陷，提高了最终分类精度。试验结果表明有较好的分类效果和较高的分类精度，但是算法运行速度较慢，在未来的研究中着重对算法优化和提高运行效率。