基于集成学习的高光谱图像一类分类算法

由于高光谱图像的光谱分辨率已经达到了10 nm甚至更高,使其具有了辨识很多原本在其他遥感图像中无法识别出现的地物。但较高的光谱分辨率也带来了高维数据的处理难题。为了充分利用高光谱图像的高维数据信息,提高一类分类器性能,提出了一种基于集成学习的高光谱图像一类分类方法。该方法将训练样本生成多个随机子空间的低维训练样本集,在这些子空间训练集上训练支持向量数据描述(SVDD),并对其进行精简处理,最后均值合并这些分类器为一个集成分类器。实验结果表明,与光谱角匹配、一类支持向量机(OC-SVM)和直接SVDD算法相比,该方法具有更高的分类精度,总体精度不低于90%。