文献类型：期刊文章

作　　者：彭江涛[1] 孙伟伟[2] 魏天慧[1] 范文琦[1]

PENG Jiangtao;SUN Weiwei;WEI Tianhui;FAN Wenqi(Hubei Key Laboratory of Applied Mathematics,Facuity of Mathematicsand Statistics,Hubei University,Wuhan 430062,China;Department of Geography and Spatial Information Techniques,Ningbo University,818 Fenghua Road,Ningbo 315211,China)

机构地区：[1]湖北大学数学与统计学学院,应用数学湖北省重点实验室,武汉430062 [2]宁波大学地理与空间信息技术系,宁波315211

出　　处：《遥感学报》

基　　金：国家自然科学基金(编号:61871177,11771130,41971296,41671342,U1609203);浙江省自然科学基金(编号:LR19D010001,LQ18D010001)。

年　　份：2020

卷　　号：24

期　　号：4

起止页码：417-426

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：高分五号(GF-5)搭载的高光谱传感器兼顾宽覆盖和高分辨率的特性,但在实际应用中宽覆盖范围内各种地物类别的标注十分困难。当标记样本很少甚至没有标记样本时,遥感图像分类异常困难。此时,可以采用域适应方法,借助已标记的历史数据(源域)实现对未标记数据(目标域)的分类。本文提出了一种基于稀疏矩阵变换的关联对齐域适应分类算法。首先,利用稀疏矩阵变换估计源域和目标域的协方差矩阵;然后,运用协方差关联对齐方法估计源域到目标域的变换矩阵;接着,运用估计得到的变换矩阵将源域数据进行变换,使得其与目标域对齐;最后,在变换后的源域数据上建立分类器,实现对目标域数据的分类。本文的算法在两个真实的GF-5高光谱数据集上进行了验证。实验结果表明,本文算法要优于常用的子空间对齐算法和关联对齐算法。特别地,在黄河口GF-5数据上,本文算法比原始关联对齐方法的最近邻分类准确率提升了3.5%,支持向量机分类准确率提升了2.3%。

关 键 词：遥感 高分五号  高光谱图像 域适应  分类  关联对齐法  稀疏矩阵变换  

分 类 号：TP751]