科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对高光谱图像分类已标记样本稀缺的问题，研究如何高效利用多视图选取更高质量的未标记样本。首先采用不同方向、尺度的3D-Gabor滤波器产生兼具空间-光谱信息的数据立方体；然后进行双层视图筛选：第1层筛选最具充分性的多视图，接着针对传统视图多样性筛选计算量大、耗时长的问题，提出在低维空间计算视图的多样性强度值DI，利用DI值从最具充分性的多视图中再次筛选多样性视图；最后，利用自适应最大不一致采样策略从未标记样本集挑选样本。将提出的方法在Indian Pines数据集和Salinas数据集上进行仿真实验，实验结果表明与传统算法相比，基于多样性强度值视图筛选方法在保持相似的分类精度同时，有效减少耗时，节省了大量时间成本。
- 单位
