基于最大投票融合的高光谱影像半监督分类

高光谱影像中的标记样本往往有限,即使利用大量的训练样本,分类结果也会出现大量斑点状的误分点。利用JSEG分割的方法生成了同质区,以获取大量未标记样本的标签,并在光谱特征的基础上进行了多特征提取,提高了类别辨识度;利用最大投票原则,对分类图和分割图进行融合,将分割斑块内的类别众数作为该斑块的类别。实验证明,最大投票融合的方法减少了斑块状的误分点,大大提高了分类精度。

基于知识库的面向对象卫星云图分类

为了提高卫星云图分类精度和实时识别云类,基于云类知识库采用面向对象的分类方法对卫星云图进行分类。首先对2011年7～8月的FY-3A/VIRR卫星云图进行预处理,从中裁截500个云样本,随机选取42%云样本作为训练样本,提取训练样本的光谱和纹理特征,基于ReliefF方法进行特征选择,采用反向传播神经网络进行训练构造分类器,利用剩余58%云样本进行网络测试,至此云类知识库构建完毕。然后对待解译的云图进行JSEG分割获取云对象,基于云类知识库已训练好的分类器实现面向对象的云图分类。试验结果表明:所设计的云图分类算法有效,分类结果与云分类产品数据基本达到一致。