融合光谱度量标记迁移和Tri-training的高光谱遥感图像半监督分类算法.docx

0引言

随着高光谱遥感技术的飞速发展，高光谱遥感图像数据日益丰富，面向大规模高光谱遥感图像进行信息处理和信息提取，已成为大数据时代对地观测的重要手段。高光谱遥感图像分类作为高光谱遥感图像信息处理和信息提取的主要研究方向之一，已被广泛应用于地质制图、植被调查、城市规划、军事侦查和环境监测等领域。高光谱遥感图像包含丰富的光谱和空间信息[1]，可以更加细致地区分不同类型地物之间的差异，实现地物的精准分类。因此，结合光谱和空间特征的光谱-空间分类算法研究已成为当前高光谱遥感图像分类研究的热点[2]。

高光谱遥感图像光谱-空间分类算法主要包括3类：有监督、无监督以及半监督[3-4]。有监督分类算法基于