基于SLIC和主动学习的高光谱遥感图像分类方法

来源：计算机工程与应用杂志2017年第3期北京时间：

作者：赵鹏飞，周绍光，裔 阳，胡屹群

单位：河海大学 地球科学与工程学院，南京 211100

摘要：在主动学习的基础上，提出一种基于SLIC的高光谱遥感图像主动分类方法。首先提取图像纹理特征并与光谱特征融合，使用PCA对新数据进行降维，取前三个主成分构成假彩色图像，然后使用SLIC处理该图像获得超像素；接着随机抽取定量超像素作为初始训练样本，样本光谱信息为超像素样本中所有像素点的光谱信息均值，样本标签为超像素中出现次数最多的类别；然后通过主动学习得到SVM分类器；最后使用分类器对超像素分类得到其类别，并将超像素类别赋予其包含的像素点，从而达到高光谱遥感图像分类的目的。实验表明：该方法明显降低了主动学习过程的时间消耗，有效地提高了分类效果，其OA，AA和Kappa值显著优于未使用SLIC的主动学习方法。

关键词：主动学习,超像素,主成分分析（PCA）,简单线性迭代聚类（SLIC）,支持向量机（SVM）分类器