×
霍连志;唐平

一种基于图的主动学习遥感图像分类方法。 （英语） Zbl 1390.94050号

国际J.Wavelets多分辨率。信息处理。 16，第4号，文章ID 1850023，16 p.（2018）.
摘要：遥感技术为监测地球提供了必要的数据。为了充分利用这些数据，通常需要进行图像分类以将数据转换为信息。图像分类方法的成功在很大程度上取决于训练样本的质量和数量。为了有效地选择信息量更大的训练样本，本文提出了一种基于图论的主动学习遥感图像分类方法。基于支持向量机输出的几何特征，提出了一种新的分集准则。将多样性选择过程转化为图论中最稠密的子图（（\mathrm Dk\mathrm S））最大化问题。最大化问题由贪婪算法求解。将该技术与RS社区中采用的竞争方法进行了比较。对超高分辨率（VHR）多光谱和高光谱图像进行了实验测试。实验结果表明，与两个数据集上的竞争方法相比，该方法的分类精度相当甚至更好。

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
62小时30分 分类和区分；聚类分析（统计方面）
62华氏35 多元分析中的图像分析
68吨10 模式识别、语音识别

关键词：

图像分类;图论;主动学习;边际抽样;最密\（k\）-子图\（（\mathrm Dk\mathrm S）\）最大化
PDF格式BibTeX公司 XML格式引用
\textit{L.-Z.Huo}和\textit{P.Tang}，国际小波多分辨率。信息处理。16，第4号，文章ID 1850023，16 p.（2018；Zbl 1390.94050）
全文： 内政部

参考文献：

[1] Alba，R.D.，《一个社交集团的图表理论定义》，J.Math。社会学。，3, 1, 113-126, (1973) ·Zbl 0297.92019号
[2] Asahiro，Y。；岩马，K。；Tamaki，H。；Tokuyama，T.，贪婪地寻找稠密子图，J.Algorith。，34, 203-221, (2000) ·Zbl 0958.68132号
[3] Brinker，K.，《将多样性纳入支持向量机的主动学习》，Proc。第20届国际会议机器学习，59-66，（2003）
[4] 坎贝尔，C。；北卡罗来纳州克里斯蒂亚尼尼。；Smola，A.，用大边界分类器进行查询学习，Proc。第17届国际计算机学习大会，111-118，（2000），美国加利福尼亚州旧金山
[5] Camps-Valls，G。；Marsheva，T.B。；周，D.，基于半监督图的高光谱图像分类，IEEE Trans。地质科学。遥感，45，10，3044-3054，（2007）
[6] 塞萨·比安奇，N。；Gentile，C。；维塔莱，F。；Zappella，G.，《树和图的主动学习》，第23届COLT，320-332，（2010），以色列海法
[7] 陈，C。；张，B。；苏，H。；李伟（Li，W.）。；Wang，L.，使用多尺度完成的局部二进制模式的土地利用场景分类，信号，图像视频处理。，10, 4, 745-752, (2016)
[8] 科尔曼，T。；Leiserson，C。；铆钉，R。；Stein，C.，算法导论，（2001），麻省理工出版社·Zbl 1047.68161号
[9] 克劳福德，M.M。；Tuia，D。；Yang，H.L.，《主动学习：遥感数据分类有什么价值？》？，程序。IEEE，101，3，6593-608，（2013）
[10] 除雾器B。；佩塞洛，C。；Bruzzone，L.，遥感图像交互式分类的批模式主动学习方法，IEEE Trans。地质科学。遥感，49，3，1014-1031，（2011）
[11] U.Feige和M.Seltser，《关于最稠密子图问题》，技术报告CS97-16，魏茨曼研究所，以色列雷霍沃特（1997）。
[12] 徐，C.-W。；Lin，C.-J.，《多类支持向量机方法的比较》，IEEE Trans。神经网络。，13, 2, 415-425, (2002)
[13] 霍立中。；Tang，P.，一种针对SVM分类器使用区域划分多样性的批模式主动学习算法，IEEE J.Sel。话题。申请。地球观测站。遥感，7，4，1036-1046，（2014）
[14] 霍立中。；唐·P。；张，Z。；Tuia，D.，具有层次空间相似性的遥感图像半监督分类，IEEE Geosci。遥感快报。，12, 1, 150-154, (2015)
[15] 霍立中。；张，Z。；Tang，L.，遥感图像分类的关键类敏感主动学习方法，2014年数据科学与高级分析国际会议，258-262，（2014）
[16] Kortsarz，G。；Peleg，D.，《关于选择稠密子图》，Proc。第34届IEEE Symp。计算机科学基础，692-701，（1993），美国加利福尼亚州帕洛阿尔托
[17] 李，J。；Bioucas-Dias，J.M。；Plaza，A.，《使用带主动学习的多项式logistic回归进行半监督高光谱图像分割》，IEEE Trans。地质科学。遥感，48，11，4085-4098，（2010）
[18] Li，M。；Sethi，I.K.，基于信任的主动学习，IEEE Trans。模式分析。机器。整数。，28, 8, 1251-1261, (2006)
[19] 刘，P。；张，H。；Eom，K.B.，用于高光谱图像分类的主动深度学习，IEEE J.Sel。话题。申请。地球观测站。遥感，10，2，712-724，（2017）
[20] Ly，N。；杜琪。；Fowler，J.E.，高光谱图像的稀疏图判别分析，IEEE Trans。地质科学。遥感，52，6，2688-2696，（2014）
[21] MacKay，D.J.C.，用于主动数据选择的基于信息的目标函数，神经计算。，4, 590-604, (1992)
[22] Nguyen，H.T.，将多样性纳入支持向量机的主动学习，Proc。第20届国际机器学习大会，59-66，（2003）
[23] 帕特拉，S。；Bruzzone，L.，用于遥感图像分类的基于聚类消耗的快速主动学习技术，IEEE Trans。地质科学。遥感，49，5，1617-1626，（2011）
[24] 彭杰。；陈，H。；周，Y。；Li，L.，高光谱图像分类的理想正则复合核，IEEE J.Sel。话题。申请。地球观测站。遥感，10，4，1563-1574，（2017）
[25] 拉维，S.S。；罗森克兰茨，D.J。；Tayi，D.K.，《离散问题的启发式和特殊情况算法》，Operat。研究，42，299-310，（1994）·Zbl 0805.90074
[26] 肖恩，G。；Cohn，D.，《少即是多：使用支持向量机的主动学习》，Proc。第17届国际机器学习大会，839-846，（2000）
[27] Schölkopf，B。；Smola，A.J.，《使用内核学习：支持向量机、正则化、优化和超越》（2002），麻省理工学院出版社，马萨诸塞州剑桥
[28] Sun，S。；钟，P。；Xiao，H。；Wang，R.，用高斯过程分类器进行高光谱图像分类的主动学习，IEEE Trans。地质科学。遥感，53，4，1746-1760，（2015）
[29] 唐，S。；Koller，D.，支持向量机主动学习及其在文本分类中的应用，J.Mach。学习。第245-66号决议（2002年）·Zbl 1009.68131号
[30] Tuia，D。；Ratle，F。；Pacifici，F。；Kanevski，M。；Emery，W.J.，《遥感图像分类的主动学习方法》，IEEE Trans。地质科学。远程传感器，47，72218-2232，（2009）
[31] Tuia博士。；沃尔皮，M。；科帕，L。；Kanevski，M。；Muñoz-Marí，J.，监督遥感图像分类的主动学习算法调查，IEEE J.Sel。主题信号处理。，5, 3, 606-617, (2011)
[32] Vijayanarasimhan，S。；Jain，P。；Grauman，K.，在图像和视频识别、计算机视觉和模式识别的预算下进行远视主动学习，（2010）
[33] 王，Z。；杜，B。；张，L。；Zhang，L.，通过查询区分性和代表性样本实现高光谱图像分类的批模式主动学习框架，神经计算，179，88-100，（2016）
[34] Wu，H。；Prasad，S.，基于Dirichlet过程的主动学习和发现未知类别用于高光谱图像分类，IEEE Trans。地质科学。遥感，54，8，4882-4895，（2016）
[35] 徐，Z。；Yu，K。；Tresp，V。；Xu，X。；Wang，J.，使用支持向量机进行文本分类的代表性抽样，Proc。第25届欧洲信息检索大会，393-407，（2003），意大利比萨·Zbl 1027.68590号
[36] 袁，H。；Tang，Y.Y.，基于集对集距离的高光谱图像稀疏表示，IEEE J.Sel。话题。申请。地球观测站。遥感，8，6，2464-2472，（2015）
[37] 张，Z。；Crawford，M.M.，用于高光谱图像分类的批处理模式正则化多尺度主动学习框架，IEEE Trans。地质科学。遥感，55，11，6594-6609，（2017）
[38] 张，Z。；帕索利，E。；克劳福德，M.M。；Tilton，J.C.，《使用分层分割进行高光谱图像分类的主动学习框架》，IEEE J.Sel。话题。应用地球观测站。遥感，9，2，640-654，（2016）
[39] Zhang，Y。；Yang，H.L。；Prasad，S。；帕索利，E。；Jung，J。；Crawford，M.，集成多源遥感数据分类的多核主动学习，IEEE J.Sel。话题。申请。地球观测站。遥感，8，2，845-858，（2015）
[40] 赵立杰。；唐·P。；Huo，L.Z.，《使用同心圆结构的多尺度视觉词汇袋模型进行土地利用场景分类》，IEEE J.Sel。话题。申请。地球观测站。遥感，7，12，4620-4631，（2014）
[41] 赵立杰。；唐·P。；Huo，L.Z.，一种基于二维小波分解的土地利用场景分类视觉词汇模型，国际遥感杂志，35，6，2296-2310，（2014）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。