基于自动搜索和光谱匹配技术的训练样本纯化算法

王毅; 张良培; 李平湘

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于自动搜索和光谱匹配技术的训练样本纯化算法

王毅, 张良培, 李平湘

文章导航 > 武汉大学学报 ( 信息科学版) > 2007 > 32(3): 216-219

王毅, 张良培, 李平湘. 基于自动搜索和光谱匹配技术的训练样本纯化算法[J]. 武汉大学学报 ( 信息科学版), 2007, 32(3): 216-219.

引用本文:

王毅, 张良培, 李平湘. 基于自动搜索和光谱匹配技术的训练样本纯化算法[J]. 武汉大学学报 ( 信息科学版), 2007, 32(3): 216-219.

WANG Yi, ZHANG Liangpei, LI Pingxiang. Purified Algorithm for Training Samples Based on Automatic Searching and Spectral Matching Technique[J]. Geomatics and Information Science of Wuhan University, 2007, 32(3): 216-219.

Citation:

WANG Yi, ZHANG Liangpei, LI Pingxiang. Purified Algorithm for Training Samples Based on Automatic Searching and Spectral Matching Technique[J]. Geomatics and Information Science of Wuhan University, 2007, 32(3): 216-219.

基于自动搜索和光谱匹配技术的训练样本纯化算法

¹ 武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号,430079

基金项目: 国家973计划资助项目(2006CB701302);国家自然科学基金资助项目(40523005,40471088)

详细信息

作者简介:
王毅,博士生,主要研究方向为遥感图像处理、图像增强和去噪等。

中图分类号: TP751;P237.3

Purified Algorithm for Training Samples Based on Automatic Searching and Spectral Matching Technique

1 State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing,Wuhan University,129 Luoyu Road,Wuhan 430079,China

Funds: 国家973计划资助项目(2006CB701302);国家自然科学基金资助项目(40523005,40471088)

摘要: 提出了一种基于局部自动搜索和光谱匹配技术的监督分类训练样本的纯化方法。该方法首先利用遥感影像中像元的灰度信息在图像上局部范围内自动搜索和选择最佳样区位置,然后利用光谱匹配的思想对寻找到的最佳样区在光谱空间上进一步纯化。实验结果证明,通过手工选择样区的辅助,该算法能够自动有效地搜寻到最佳样区的位置,并对最佳样区进行纯化处理。原始遥感图像经过本文的样区纯化算法处理后,无论是目视判读效果,还是分类后混淆矩阵的统计及分类精度,均优于纯化处理前的分类结果,具有一定的实用价值。
- 局部自动搜索 /
- 光谱匹配技术 /
- 训练样本 /
- 监督分类 /
- 样区纯化
Abstract: A purified algorithm for training samples based on local automatic searching and spectral matching technique is presented.In the first step,the optimal training sites are searched and selected automatically by taking advantage of local spatial information in remote sensed images.The selected training sites are then purified further in spectral space using spectral matching technique.The proposed algorithm is capable of purifying training samples with spatial and spectral information.Experimental results are given to show that supervised classification with the proposed purification algorithm has superiority capability over the traditional supervised classification without purifying training sites on visual judgment and accuracy assessment.
- local automatic searching /
- spectral matching technique /
- training samples /
- supervised classification /
- training sites purification

[1]	孙一帆, 余旭初, 谭熊, 刘冰, 高奎亮. 面向小样本高光谱影像分类的轻量化关系网络 . 武汉大学学报 ( 信息科学版), 2022, 47(8): 1336-1348. doi: 10.13203/j.whugis20210157
[2]	虞欣, 郑肇葆, 李林宜. 适用于训练样本选择的斜交因子模型研究 . 武汉大学学报 ( 信息科学版), 2022, 47(11): 1870-1877. doi: 10.13203/j.whugis20200631
[3]	李鹏, 黎达辉, 李振洪, 王厚杰. 黄河三角洲地区GF-3雷达数据与Sentinel-2多光谱数据湿地协同分类研究 . 武汉大学学报 ( 信息科学版), 2019, 44(11): 1641-1649. doi: 10.13203/j.whugis20180258
[4]	王春艳, 刘佳新, 徐爱功, 王玉, 隋心. 一种新的高分辨率遥感影像模糊监督分类方法 . 武汉大学学报 ( 信息科学版), 2018, 43(6): 922-929. doi: 10.13203/j.whugis20150726
[5]	叶沅鑫, 慎利, 陈敏, 王继成. 局部相位特征描述的多源遥感影像自动匹配 . 武汉大学学报 ( 信息科学版), 2017, 42(9): 1278-1284. doi: 10.13203/j.whugis20150576
[6]	陈善学, 尹修玄, 杨亚娟. 基于码字匹配和引力筛选的半监督协同训练算法 . 武汉大学学报 ( 信息科学版), 2015, 40(10): 1386-1391,1408. doi: 10.13203/j.whugis20130840
[7]	温奇, 夏列钢, 李苓苓, 吴玮. 面向灾害应急土地覆被分类的样本自动选择方法研究 . 武汉大学学报 ( 信息科学版), 2013, 38(7): 799-804.
[8]	吴军, 刘荣, 郭宁, 刘丽娟. SVM加权学习下的机载LiDAR数据多元分类研究 . 武汉大学学报 ( 信息科学版), 2013, 38(1): 1-5.
[9]	吴佳, 蔡之华, 金晓文. 自适应差分演化算法在图像监督分类中的应用 . 武汉大学学报 ( 信息科学版), 2013, 38(1): 23-26.
[10]	苏红军, 盛业华. 高光谱影像的改进K-均值监督式聚类分析方法 . 武汉大学学报 ( 信息科学版), 2012, 37(6): 640-643.
[11]	熊彪, 江万寿, 李乐林. 基于高斯混合模型的遥感影像半监督分类 . 武汉大学学报 ( 信息科学版), 2011, 36(1): 108-112.
[12]	张中山, 燕琴, 余洁, 李岩. 基于粒子群算法的全极化SAR图像非监督分类算法研究 . 武汉大学学报 ( 信息科学版), 2010, 35(8): 941-945.
[13]	陶建斌, 舒宁, 龚龑, 沈照庆. 一种基于高斯混合模型的遥感影像有指导非监督分类方法 . 武汉大学学报 ( 信息科学版), 2010, 35(6): 727-732.
[14]	邹同元, 杨文, 代登信, 孙洪. 一种新的极化SAR图像非监督分类算法研究 . 武汉大学学报 ( 信息科学版), 2009, 34(8): 910-913.
[15]	李新双, 张良培, 李平湘, 吴波. 基于小波分量特征值匹配的高光谱影像分类 . 武汉大学学报 ( 信息科学版), 2006, 31(3): 274-277.
[16]	方圣辉, 龚浩. 动态调整权重的光谱匹配测度法分类的研究 . 武汉大学学报 ( 信息科学版), 2006, 31(12): 1044-1046.
[17]	易尧华, 余长慧, 秦前清, 龚健雅. 基于独立分量分析的遥感影像非监督分类方法 . 武汉大学学报 ( 信息科学版), 2005, 30(1): 19-22.
[18]	曾旭平, 阳凡林, 李陶, 赵建虎. 基于SOFM网络的声图非监督分类 . 武汉大学学报 ( 信息科学版), 2004, 29(11): 977-980.
[19]	张景雄. 遥感影像的全模糊监督分类 . 武汉大学学报 ( 信息科学版), 1998, 23(3): 211-214.
[20]	郑肇葆. 影象遮蔽区的自动搜索方法 . 武汉大学学报 ( 信息科学版), 1988, 13(4): 71-75.

点击查看大图

计量

文章访问数: 805
HTML全文浏览量: 42
PDF下载量: 622
被引次数: 0

基于自动搜索和光谱匹配技术的训练样本纯化算法

¹ 武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号,430079

基金项目: 国家973计划资助项目(2006CB701302);国家自然科学基金资助项目(40523005,40471088)

作者简介:
王毅,博士生,主要研究方向为遥感图像处理、图像增强和去噪等。

收稿日期: 2006-12-28
修回日期: 2006-12-28
刊出日期: 2007-03-05

中图分类号: TP751;P237.3

关键词:

摘要: 提出了一种基于局部自动搜索和光谱匹配技术的监督分类训练样本的纯化方法。该方法首先利用遥感影像中像元的灰度信息在图像上局部范围内自动搜索和选择最佳样区位置,然后利用光谱匹配的思想对寻找到的最佳样区在光谱空间上进一步纯化。实验结果证明,通过手工选择样区的辅助,该算法能够自动有效地搜寻到最佳样区的位置,并对最佳样区进行纯化处理。原始遥感图像经过本文的样区纯化算法处理后,无论是目视判读效果,还是分类后混淆矩阵的统计及分类精度,均优于纯化处理前的分类结果,具有一定的实用价值。