高光谱遥感影像分类研究进展

当前位置：首页 >>

高光谱遥感影像分类研究进展

论文基本信息长摘要关于期刊编辑部推荐
或评价意见被引次数评论参考文献

Hide Figures

论文代码
Z006201602008

第一作者
杜培军

第一作者单位
南京大学

非第一作者
夏俊士:南京大学
薛朝辉:南京大学
鲍蕊 :南京大学
谭琨:中国矿业大学
苏红军:河海大学

年	卷	期	页
2016	20	02	236-256

长摘要关键词

长摘要

随着模式识别、机器学习、人工智能、遥感技术等相关学科领域的发展,高光谱遥感影像分类研究取得快速进展。分类是高光谱遥感影像处理和应用的一项重要内容，其最终目标是给影像中的每个像元赋以唯一的类别标识。然而，高光谱遥感影像的高维特性、波段间高度相关性、光谱混合等使得高光谱遥感影像分类面临巨大挑战。一方面，由于信号的高维特性、不确定性、信息冗余和地表覆盖的同物异谱及同谱异物，导致高光谱数据结构呈高度非线性，一些基于统计模式识别的分类模型难以直接对原始高光谱数据进行分类识别。另一方面，在图像监督分类领域，先验样本有限且质量不均一，分类器模型的参数无法估计或估计不准确。在这种情况下，对高光谱影像的准确分类需要建立复杂的数学表达模型以真实地反映数据的内在本质，但模型求解过程往往需要一些繁琐的前处理或后处理。本文系统总结和评述了当前高光谱遥感影像分类的相关研究进展,在总结分类策略的基础上,重点从以核方法为代表的新型分类器设计、特征挖掘、空间-光谱分类、基于主动学习和半监督学习的分类、基于稀疏表达的分类、多分类器集成六个方面对高光谱影像像素级分类最新研究进行了综述。过去20多年来高光谱遥感影像分类的研究取得了非常显著的进步，成为遥感影像处理最为热门的研究方向之一。随着未来几年多个星载高光谱传感器投入运行，用户将获得越来越多的高光谱遥感数据，因此一方面要继续引入模式识别与机器学习领域的新理论、新模型，发展更先进、更有效的高光谱影像分类方法，另一方面要关注不同应用方向的需求，充分发挥高光谱数据的优势，发展在特定应用领域中具有良好效果的影像分类和信息提取方法，从而推进高光谱遥感的广泛、深入应用。

关键词

目的方法结果结论关键词

目的

方法

结果

结论

关键词

刊名:	遥感学报
学科:
创刊年:	1997
ISSN:	1007-4619
CN:	11-3841/TP
主办单位:	中国地理学会环境遥感分会中国科学院遥感应用研究所
主编:	顾行发

本文结合高光谱遥感影像分类的常用方法、最新进展和发展前沿，在探讨高光谱遥感影像分类策略的基础上，对高光谱遥感影像分类的主要挑战和关键技术、发展前沿和热点论题进行综述与分析，探索其发展趋势，以供从事高光谱遥感影像处理与应用的研究人员参考。

[0]

最后更新时间:
2023-01-26

0人

暂无评论

参考文献

联系电话：58882556 联系邮箱：f5000help@istic.ac.cn 联系单位：中国科学技术信息研究所