基于超像素样本扩充和生成对抗网络高光谱图像分类方法

摘要

本发明提出了一种基于超像素样本扩充和生成对抗网络高光谱图像分类方法，旨在解决当有标签训练样本数量较少时，网络过拟合，导致分类准确率低的问题。其实现如下：构造初始训练集和测试集，并进行扩充，得到扩充训练集和候选测试集；构建由生成器和判别器组成的生成对抗网络；使用生成器生成假样本，使用判别器获取假样本和扩充训练集的真假预测标签和类别预测标签；构造生成器和判别器的损失函数，并交替训练生成器和判别器；训练支持向量机；将候选测试集通过训练好的判别器和支持向量机，得到候选标签集；对候选标签集使用最大投票算法确定测试集的类别标签。本发明有效提取了高光谱图像的空间特征，缓解了过拟合问题，提高了分类准确率，可用于对高光谱图像进行地物分类。