面向不同标注样本场景的高光谱遥感影像分类方法研究  

Research on Hyperspectral Remote Sensing Image Classification Methods for Different Annotated Sample Scenes

作　　者：杨佳琪 YANG Jiaqi(State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing,Wuhan University,Wuhan 430079,China)

机构地区：[1]武汉大学测绘遥感信息工程国家重点实验室,湖北武汉430079

出　　处：《武汉大学学报（信息科学版）》2024年第10期1975-1975,共1页Geomatics and Information Science of Wuhan University

摘　　要：近年来,深度学习以其强大的层次特征提取和非线性数据拟合能力在众多领域取得了令人振奋的成果,也被引入遥感影像智能处理领域。深度学习是一种数据驱动的技术,理想状态下的完全标注样本能够极大地提高分类性能。然而,高光谱遥感影像分类任务的标注十分困难,难以达到理想的情况。在实践中,高光谱遥感影像分类任务可以被归纳为部分标注样本分类、稀疏标注样本分类、图像级弱标注样本分类以及多模态标注样本分类4种典型的场景,因此,采用“因地制宜”的方式,研究面向不同标注样本场景的分类方法对于高光谱遥感影像的精准解译尤为重要。

关 键 词：高光谱遥感影像 样本分类 分类性能 智能处理 数据驱动 深度学习 非线性数据拟合 多模态 

分 类 号：TP751[自动化与计算机技术—检测技术与自动化装置]