一种针对小训练样本的低空遥感影像分类方法

受低空遥感影像数据性质影响,在针对小训练样本时分类精度欠佳。提出了一种针对小训练样本的低空遥感影像分类方法(ELM-CF)。方法首先通过等价局部二值模式提取低空遥感影像的纹理细节;然后联合光谱与纹理特征构建组合特征以增强像元描述唯一性,降低分类中对训练样本的依赖;最后利用极限学习机对组合特征进行分类。为验证方法的有效性,选用2组无人机影像,并随机抽取占每类总量0.1%的像元作为训练样本进行实验。实验结果表示明本文方法对两组数据的总体分类精度分别为96.4%和97.6%,且具有较好的时效性。