高光谱半监督分类的标签约束弹性网图算法

摘要

图半监督算法联合利用少量的标定样本与大量的无标签数据进行学习,可缓解高光谱图像的维数灾难问题,被广泛应用于高光谱图像分类,其核心在于如何确定图模型中各样本的近邻样本.提出一种高光谱图像半监督分类的标签约束弹性网图算法.充分利用有限的样本标签信息,通过顶点间的约束传递形成标签约束矩阵,进而针对每一顶点自适应选取符合标签约束的像素作为表示字典.通过在该字典上的弹性网表示来选择与其最为关联的近邻样本,构建高光谱图像的图表示模型,并基于该图模型实现高光谱图像的半监督分类.实验结果验证了该算法的有效性,相比多个半监督算法,分类准确性更高.