基于Fisher准则和TrAdaboost的高光谱相似样本分类算法

编号 zgly0001656015

文献类型 期刊论文

文献题名 基于Fisher准则和TrAdaboost的高光谱相似样本分类算法

作者 刘万军  李天慧  曲海成 

作者单位 辽宁工程技术大学软件学院 

母体文献 国土资源遥感 

年卷期 2018年04期

年份 2018 

分类号 TP751 

关键词 高光谱图像分类  光谱角  光谱信息散度  Fisher准则 

文摘内容 针对小样本情况下高光谱类别相似导致图像类间分类精度低的问题,提出了一种基于Fisher准则和TrAdaboost的高光谱相似样本分类算法(H_TrAdaboost)。首先,结合光谱角法与光谱信息散度对样本进行相似度测量,确定辅助训练样本集,扩大总训练样本数量;其次,利用改进的Fisher准则进行样本可分性研究,从而在总训练样本中选出分类性较强的波段子集;最后,在算法迭代过程中利用TrAdaboost算法动态调整正负样本的权重,完成小样本情况下高光谱相似样本类间分类。结果表明,提出的H_TrAdaboost算法相较于对比算法有较高的分类精度,证明了所提算法的有效性。