基于支持向量机和逻辑回归的半监督空谱加权的高光谱图像分类（英文）

摘要

近年来,高光谱图像分类得到了广泛的研究,面临的挑战是训练样本数量有限,误分类率较高。针对这些问题,提出了一种基于支持向量机和逻辑回归(SVMSLR)框架的半监督光谱空间加权高光谱图像分类方法。该框架是最近发展起来的一种技术,它将空间上下文描述为逻辑回归,通常与支持向量分类器一起使用,以提供概率输出。将支持向量机(SVMs)的SVMSLR概念推广到遥感图像分类中,为此,使用当前像素的K个最近邻空间特征提供概率输出。同样,经过初始分类,可以得到了标签的未标记样本,其中最近邻样本的高一致性水平是可靠的。再次考虑中心和最近邻像素的光谱相似性,提高了算法的性能。实际数据集实验表明,该方法具有较高的分类精度。