基于数据增广和分类器融合的高光谱图像分类方法

摘要

本发明提供了一种基于数据增广和分类器融合的高光谱图像分类方法。首先，对高光谱图像数据进行预处理，并随机选择得到初始训练样本；然后，通过建立一个数据混合模型，指数级地扩充有标签的训练样本；接着，使用扩充的数据集训练基于卷积神经网络的分类器；最后，使用投票策略对多个分类器的结果进行融合，获得最终的分类结果。本发明方法能够避免卷积神经网络训练中的局部最小和过拟合问题、减少随机性的影响，在有限的有标签的训练样本的情况下，也能获得较好的分类效果。