{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,6,25]]，“日期-时间”：“2024-06-25T14:40:42Z”，“时间戳”：1719326442853}，“引用-计数”：55，“发布者”：“MDPI AG”，“问题”：“1”，“许可证”：[{“开始”：{'日期-部件“：[[20200,1,2]]，“时间”：”202 0-01-02T00:00:00Z“，”时间戳“：1577923200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“内容域”：{“域”：[]，“crossmark-restriction”：false}，“short-container-title”：[“遥感”]，“抽象”：“由于高光谱图像中存在大量未标记样本，且人工标记成本较高，本文采用半监督学习方法来充分利用大量未标记的样本。此外，这些高光谱图像包含了大量的光谱信息，卷积神经网络具有很强的表示学习能力。本文提出了一种新的半监督高光谱图像分类框架，该框架利用自训练，通过聚类将高度可信的伪标签逐步分配给未标记样本，并利用空间约束来调节自训练过程。引入空间约束，利用图像的空间一致性来纠正和重新设计错误分类的伪标签。通过自训练过程，高置信度的样本点逐渐增加，并添加到相应的语义类中，使得语义约束逐渐增强。同时，高置信度伪标签的增加也有助于高光谱图像的区域一致性，这突出了空间约束的作用，提高了HSIc效率。HSIc的大量实验证明了我们的方法的有效性、鲁棒性和高精度<\/jats:p>“，”DOI“：”10.3390\/rs12010159“，”type“：”journal-article“，”created“：{”date-parts“：[[2020,1,3]]，”date-time“：”2020-01-03T09:43:03Z“，”timestamp“：1578044583000}，”page“：“，”卷“：”12”，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0002-3459-5079”，“authenticated-ORCID”：false，“给定”：“越”，“家族”：“吴”，“序列”：“第一”，“从属关系”：[}“名称”：“中国西安西电大学计算机科学与技术学院”}]}，{“给定”:“桂峰”，“家庭”：“穆”，“顺序”：“附加”，“附属关系”：[{“名称“：”西电大学计算机科学与技术学院，西电2019an 710071，中国“}]}，{“given”：“Can”，“family”：“Qin”，“sequence”：“additional”，“affiliation”：[{“name”：“中国西电710071计算机科学与技术学院”}]}，}“giving”：“祁光”，“家庭”：“Miao”，”sequence“：”additional西电大学计算机科学与技术学院，西电2019an 710071，中国“}]}，{“given”：“Wenping”，“family”：“Ma”，“sequence”：“additional”，“affiliation”：[{“name”：“教育部智能感知与图像理解重点实验室、国际智能感知与计算研究中心、西电大学人工智能学院智能感知与计算机国际联合研究实验室，中国西安710071“}]}，{“ORCID”：“http:\/\/orcid.org\/00000-0003-0379-042“，”authenticated-orcid“：false，”given“：”向荣“，”family“：”张“，”sequence“：”additional“，”affiliation“：[{”name“：”教育部智能感知与图像理解重点实验室、国际智能感知与计算研究中心、西电大学人工智能学院国际智能感知和计算联合研究实验室“}]}]，“成员”：“1968”，“published-online“：{“date-parts”：[[2020,1,2]]}，“reference”：[{“key”：“ref_1”，“doi-asserted-by”：“crossref”，”first page“：”404“，”doi“：”10.1109\/LGRS.2016.2645708“，”article-title“：”超光谱遥感图像分类的空间感知协同表示“，”volume“：“14”，”author“：”Jiang“，”year“：”2017“，”journal-title”：“”IEEE地质科学。遥感快报。“}，{”key“：”ref_2“，”doi-asserted-by“：”crossref“，”first-pages“：”851“，”doi“：”10.1109\/TGRS.2018.2861992“，”article-title“：”噪声标签下的高光谱图像分类“，”volume“：“非结构化”：“刘J.、张X.、张J.、安J.、李C.和高L.（2018年1月18日\u201320）。基于长短期记忆网络的高光谱图像分类。第五届地球观测与遥感应用国际研讨会论文集，中国西安2019an。“，”DOI“：”10.1109\/EORA.2018.8598645“}，{”key“：”ref_4“，”DOI-asserted-by“：”crossref“，”first page“：“2177”，“DOI”：“10.1109\/JSTARS.2015.2417859”，“article-title”：“借助LiDAR数据对日本复杂混交林进行高光谱树种分类”，“volume”：“8”，“author”：“Matsuki”，“year”：“2015”，“journal-title“：”IEEE J。选择。顶部。应用。地球观测卫星遥感“}，{”key“：”ref_5“，”first page“：“1557”，”article-title“：”城市高光谱遥感：技术与应用概述“，”volume“：4”，”author“：”Shafri“，”year“：”2012“，”journal-title”：“Res.J.Appl.Sci.Eng.Technol.”}，”{”key“：‘ref_6’，”doi-asserted-by“：”crossref“，”首页“：”43“，”doi“：”10.1109\/LGRS.2014.2325970”，“文章标题”：“一种基于快速样本一致性的图像配准新点匹配算法”，“卷”：“12”，“作者”：“Wu”，“年份”：“2014”，“期刊标题”：“IEEE Geosci。远程。Sens.Lett公司。“}，{”key“：”ref_7“，”doi-asserted-by“：”crossref“，”first page“：“301”，”doi“：”10.1016\/j.asoc.2015.04.058“，”article-title“：”带核度量的新型模糊活动轮廓模型用于图像分割“，”volume“：“，”首页“：”89“，”doi“：”10.1016\/j.swevo.2017.07.004“，“article-title”：“基于局部搜索的多传感器遥感图像配准的多模态连续蚁群优化”，“volume”：“47”，“author”：“Wu”，“year”：“2017”，“journal-title“：”Swarm Evol。计算。“}，{”key“：”ref_9“，”doi-asserted-by“：”crossref“，”unstructured“：”An，J.，Lei，J.、Song，Y.、Zhang，X.和Guo，J.（2019）。基于张量的多尺度低阶分解用于高光谱图像降维。遥感，11.“，”doi“：”10.3390\/rs11121485“}”，{Zhang，X.、Han，Y.、Huyan，N.、Li，C.、Feng，J.、Gao，L.和Ma，X.（2018年1月22日\u201327）。基于空间谱图的非线性嵌入降维算法在高光谱图像分类中的应用。IEEE国际地球科学和遥感研讨会（IGARSS）会议记录，西班牙巴伦西亚。“，”DOI“：”10.1109\/IGARSS.2018.8518370“}，{“key”：”ref_11“，”DOI-asserted-by“：”crossref“，”first page“：”2381“，“DOI”：“10.1109\/JSTARS.2015.2388577”，“article-title”：“Spectral\u2013基于深度信念网络的高光谱数据空间分类”，“volume”：“8”，“author”：“Chen”，“year”：“2015”，“journal-title“：”IEEE J.Sel.Top.Appl.Earth对象。遥感“}，{”key“：”ref_12“，”doi-asserted-by“：”crossref“，”first page“：“7140”，”doi“：”10.1109\/TGRS.2017.2743102“，”article-title“：”PCA-based Edge-preserving Features for Hyperspectrum Image Classification“，“volume”：“55”，“author”：“Kang”，“year”：“2017”，“journal-title”：“IEEE Trans.Geosci.Remote Sens.”}，”{“key”：”ref_3“，“doi-assert-by”：“crossref”，“首页“：”1“，”DOI“：”10.1109\/TGRS.2018.2828029“，”article-title“：”SuperPCA:一种用于高光谱图像无监督特征提取的Superpixelwise PCA方法“，”volume“：”56“，”author“：”Jiang“，”year“：”2018“，”journal-title”：“IEEE Trans。地质科学。遥感“}，{”key“：”ref_14“，”doi-asserted-by“：”crossref“，”first page“：“4865”，”doi“：”10.1109\/TGRS.2011.2153861“，”article-title“：”带独立分量判别分析的高光谱图像分类“，”volume“：crossref“，”first-page“：”4823“，”DOI“：”10.1109\/TGRS.2019.2893180“，”article-title“：”Learning Compact and Discriminative Stacked Autocoder for Hyperspectrum Image Classification“，”volume“：”57“，”author“：”Zhou“，”year“：”2019“，”journal-title”：“IEEE Trans。地质科学。遥感“}，{”key“：”ref_16“，”doi-asserted-by“：”crossref“，”first page“：“139”，”doi“：”10.1016\/j.eswa.2015.10.015“，”article-title“：”Deep Belief Networks乳腺癌分类“，”volume“：塞尔曼（2014）.用于大规模图像识别的甚深卷积网络。arXiv公司。“}，{”key“：”ref_18“，”doi-asserted-by“：”crossref“，”unstructured“：”Zhang，X.，Li，X10.1109\/IGARSS.2017.8128075“}，{“key”：“ref_19”，“doi-asserted-by”：“crossref”，“unstructured”：“Pleva，M.，Liao，Y.F.，Hsu，W.，Hladek，D.，Stas，J.，Viszlay，P.，Lojka，M.和Juhar，J.（2018年1月16日\u201319）.使用深度学习实现斯洛伐克语-英语-普通话语音识别。克罗地亚扎达尔ELMAR国际研讨会论文集。“，”DOI“：”10.23919\/ELMAR.2018.8534661“}，{”key“：”ref_20“，”DOI-asserted-by“：”crossref“，”first-page:“99”，“DOI”：“10.1016\/j.isprsjprs.2016.09.001”，“article-title”：“基于多决策标记和深度特征学习的高光谱图像半监督分类”，“volume”：“120”，“author”：“Ma”，“year”：“2016”，“journal-title“：”j。照片。遥感。“}，{”key“：”ref_21“，”doi-asserted-by“：”crossref“，”unstructured“：”Duan，P.，Kang，X.，Li，S.，and Benediktsson，J.A.（2018年1月22日\u201327）。用于高光谱图像分类的多尺度结构提取。西班牙巴伦西亚IEEE国际地球科学与遥感研讨会（IGARSS）论文集。“，doi”：“10.1109\/IGARSS.2018.8519425“}，{“key”：“ref_22”，“doi-asserted-by”：“crossref”，“first page”：”599“，“doi”：“10.1109\/LGRS.2016.2530724”，“article-title”：“基于Bat算法的多光谱卫星图像分类新方法”，“volume”：《13》，“author”：“Senthilnath”，“year”：“2016”，“journal-title“：”IEEE Geosci.Remote Sens.Lett.“}”，{key“：”ref_23“，”doi-asserted-by“：”crossref“，”first-page“：”1056“，”doi“：”10.1109\/LGRS.2017.2695559“，”article-title“：”高光谱图像空间特征提取的体积方向模式“，”volume“：“14”，“author”：“Essa”，“year”：“2017”，“journal-title”：“IEEE Geosci”。遥感快报。}，{“key”：“ref_24”，“doi-asserted-by”：“crossref”，“unstructured”：“Sidike，P.，Chen，C.，Asari，V.，Xu，Y.，and Li，W.（2016年1月21日\u201324）。使用多尺度空间纹理特征对高光谱图像进行分类。高光谱图像和信号处理研讨会论文集：遥感演变（WHISPERS）“，美国加利福尼亚州洛杉矶”，“DOI”：“10.1109\/WHISPERS.2016.8071767”}，{“key”：“ref_25”，“DOI-asserted-by”：“crossref”，“first-page”：“4843”，“DI:”10.1109\/TIP.2017.2725580“，“article-title”：“使用上下文CNN进行超光谱图像分类更深入”，“volume”：”26“，“author”：“Lee”，“year”：“2017”，“journal-title“：”IEEE Trans.Image Process“}”，{“key“：”ref_26“，”doi-asserted-by“：”crossref“，”first-page“：”438“，”doi“：”10.1080\/2150704X.2017.280200“，”article-title“：”使用双通道卷积神经网络对高光谱图像进行光谱空间分类“，”volume“：“8”，“author”：“Zhang”，“year”：“2017”，“journal-title”：“Remote Sens.Lett”。“}，{”key“：”ref_27“，”doi-asserted-by“：”crossref“，”unstructured“：”Ma，W.，YangCao，J.、Chen，Z.和Wang，B.（2016年1月10日\u201315）。基于超像素分割的深卷积网络在高光谱图像分类中的应用。IEEE国际地球科学与遥感研讨会（IGARSS）论文集，中国北京。“，”DOI“：”10.1109\/IGARSS.2016.7729856“}，{”key“：”ref_29“，”DOI-asserted-by“：”crossref“，”first page“：“4729”，“DOI”：“10.1109\/TGRS.2017.2698503”，“article-title”：“学习和传输深部联合光谱\u2013高光谱分类的空间特征”，“volume”：“55”，“author”：“Yang”，“year”：“2017”，“journal-title“：”IEEE传输。地质科学。遥感“}，{”键“：”ref_30“，”首页“：”112“，”article-title“：”多光谱和高光谱地质遥感：综述“，”卷“：”14“，”作者“：”Meer“，”年份“：”2012“，”期刊标题“：”国际应用地球生物地理信息“}”，{“key”：“ref_31”，“doi-asserted-by”：“crossref”，“首页”：“693”，“doi”：“10.1007 \/s1119-012-9-9 274-5“，”文章标题“：”小型无人驾驶航空系统在精准农业中的应用：综述”，“卷”：“13”，“作者”：“张”，“年份”：“2012年”，“新闻标题”：“Precis。农业。“}，{”key“：”ref_32“，”doi-asserted-by“：”crossref“，”first page“：“437”，”doi“：”10.1109\/JSTARS.2016.2585161“，“article-title”：“GOCI数据基于光谱非混合的新型绿藻面积估算方法”，“volume”：“10”，“author”：“Pan”，“year”：“2016”，“journal-title“：”IEEE J.Sel.Top.Appl.Earth Obs.Remote Sens.“}，“doi-asserted-by”：“crossref“，”first page“：”1778“，”DOI“：”10.1109\/TGRS.2004.831865“，”article-title“：”使用支持向量机对高光谱遥感图像进行分类“，”volume“：“42”，”author“：”Melgani“，”year“：”2004“，”journal-title”：“IEEE Trans。地质科学。遥感“}，{”key“：”ref_34“，”doi-asserted-by“：”crossref“，”first page“：“736”，”doi“：”10.1109\/LGRS.2010.2047711“，”article-title“：”基于SVM-和MRF-的高光谱图像准确分类方法“，”volume“:”7“，”author“：”Tarabalka“，”year“：”2010“，”journal-title”：“IEEE Geosci.Remote Sens.Lett.”}，”{“key”：“ref_35”，“first page.”：“45”article-title“：“高光谱图像分类进展：用统计学习方法进行地球监测”，“卷”：“31”，“作者”：“Tuia”，“年份”：“2013年”，“期刊标题”：“IEEE信号处理”。Mag.“}，{“key”：“ref_36”，“首页”：“21”，“文章标题”：“卷积神经网络和数据增强用于高光谱图像的光谱空间分类”，“卷”：“16”，“作者”：“Acquarelli”，“年”：“2017”，“期刊标题”：“Networks”}，{“key”：“ref_37”，“doi asserted by”：“crossref”，“非结构化”：“Chen，C.，Ma，Y.，and Ren，G.（2019）.用于高光谱图像分类的带有Fletcher\u2013Reeves算法的卷积神经网络。遥感，11.“，”DOI“：”10.3390\/rs11111325“}，{“key”：“ref_38”，“DOI-asserted-by”：“crossref”，“unstructured”：“Makantasis，K.，Karantzalos，K.”，Doulamis，A.，and Doulamis，N.（2015年1月26日\u201331）通过卷积神经网络进行高光谱数据分类的深度监督学习。IEEE国际地球科学和遥感研讨会论文集，意大利米兰。“，”DOI“：”10.1109\/IGARSS.2015.7326945“}，{”key“：”ref_39“，”DOI-asserted-by“：”crossref“，”first page“：“3071”，“DOI”：“10.1109\/TGRS.2017.2650938”，“article-title”：“一种用于高光谱图像分类的新型半监督主动学习算法”，“volume”：“55”，“author”：“Wang”，“year”：“2017”，“journal title”：”IEEE Trans.Geosci.Remote Sens.“}”，{“键“：”ref_40“，”doi-asserted-by“：”crossref“，”first page“：”1912“，”doi“：”10.1109\/TGRS.2005.848427“，”article-title“：”大型遥感图像马尔可夫随机场聚类初始化“，”volume“：“43”，”author“：”Tran“，”year“：”2005“，”journal-title”：“IEEE Trans。地质科学。遥感。“}，{”key“：”ref_41“，”doi-asserted-by“：”crossref“，”unstructured“：”Cao，X.，Xu，Z.，and Meng，D.（2019）。基于稳健低秩特征提取和马尔可夫随机场的光谱-空间高光谱图像分类。遥感，11.“，”doi“：”10.3390\/rs11131565“}”，{10.1109\/TGRS.2017.2691906“，”article-title“：“从亚像素到超像素：高光谱图像分类的新融合框架”，“volume”：“55”，“author”：“Lu”，“year”：“2017”，“journal-title”：“IEEE Trans。地质科学。遥感“}，{”key“：”ref_43“，”doi-asserted-by“：”crossref“，”first page“：“1”，”doi“：”10.1186\/s13640-015-0071-8“，”article-title“：”通过上下文深度学习进行超光谱图像分类“，”volume“：2015”，”author“：”Ma“，“year”：“2015”，“journal-title”：“EURASIP J.Image Video Process.”}，首页“：”4032“，”DOI“：”10.1109\/TGRS.2012.2228275“，”article-title“：”半监督自学习用于高光谱图像分类“，”volume“：”51“，”author“：”Li“，”year“：”2013“，”journal-title”：“IEEE Trans。地质科学。遥感“}，{”key“：”ref_45“，”doi-asserted-by“：”crossref“，”first page“：“19”，”doi“：”10.1016\/j.isprsjprs.2015.03.006“，”article-title“：”一种基于空间邻域信息和分类器组合的新型半监督高光谱图像分类方法“，”volume“105”，“author”：“Tan”，“year”：“2015”，“journal-title”：“ISPRS j。照片。Remote Sens“｝，｛”key“：”ref_46“，”doi asserted by“：”crossref“，”首页“：”1“，”doi“：”10.1111\/j.2517-6161.1977.tb01600.x“，”文章标题“：”EM算法不完整数据的最大可能性“，”卷“：”39“，”作者“：”Dempster“，”年份“：”1977“，”期刊标题“：”j.R.Stat.Soc.“｝，｛”key“：”ref_47“，”doi asserted by“：”crossref“，”非结构化“：”Bruzzone，L.、Chi，M.和Marconcini，M.（2005年1月29日）。用于高光谱数据半监督分类的传导性SVM。IEEE国际地球科学和遥感研讨会（IGARSS）会议记录，韩国首尔。“，”DOI“：”10.1109\/IGARSS.2006.997“}，{”key“：”ref_48“，”DOI-asserted-by“：”crossref“，”first page“：“3044”，“DOI”：“10.1109\/TGRS.2007.895416”，“article-title”：“基于半监督图的超光谱图像分类”，“volume”：“45”，“author”：“Marsheva”，“year”：“2007”，“journal-title“：”IEEE Trans.Geosci.Remote Sens.“}”，{“key”“：”参考_49“，”doi-asserted-by“：”crossref“，”first page“：”3“，”doi“：”10.1109\/TGRS.2017.2713123“，”article-title“：”ST-IRGS:一种应用于高光谱图像分类和分割的基于区域的自训练算法“，”volume“：“56”，“author”：“Li”，“year”：“2017”，“journal-title”：“IEEE Trans。地质科学。遥感“}，{”key“：”ref_50“，”doi-asserted-by“：”crossref“，”first page“：“2278”，”doi“：”10.1109\/5.726791“，”article-title“：”Gradient-based Learning Applied to Document Recognition“，“volume”：“86”，“author”：“LeCun”，“year”：“1998”，“journal-title”：“Proc.IEEE”}，“key”：“，”doi“：”10.1109\/TPAMI.2013.50“，“article-title”：“表征学习：回顾与新视角”，“volume”：“35”，“author”：“Bengio”，“year”：“2013”，“journal-title“：”IEEE Trans。模式分析。机器。智力。“}，{”key“：”ref_52“，”doi-asserted-by“：”crossref“，”unstructured“：”Long，J.，Shelhamer，E.，and Darrell，T.（2015年1月7日\u201312）。语义分割的全卷积网络。美国马萨诸塞州波士顿IEEE计算机视觉和模式识别会议论文集。“doi”：“10.1109\/CVPR.2015.7298965”}，”{“key”：“ref_53”，“非结构化”：“秦，C.，龚，M.，吴，Y.，田，D.，和张，P.（2018年1月2日\u20133）。通过稀疏注释实现高效的场景标记。第三十二届美国人工智能学会人工智能会议论文集，美国路易斯安那州新奥尔良河畔希尔顿酒店ref_55“，”first page“：”360“，”article-title“：”Understanding Interobser Agreement:The Kappa Statistic“，”volume“：“37”，”author“：”Viera“，”year“：”2005“，”journal-title”：“Family Med.”}]，”container-tittle“：[”Remote Sensing“]，”original-title:[]，“language”：“en”，“link”：[{“URL”：“https://www.mdpi.com\/2072-4292\/12\/159\/pdf，“内容类型”：unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2024,6,23]]，”date-time“：”2024-06-23T09:38Z“，”timestamp“：1719135511000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\/\/www.mdpi.com\/2072-4292\/12\/159”}，“subtittle”：[]，“short”标题“：[]，”已发布“：{“日期部分”：[[2020,1,2]]}，”references-count“：55，”journal-issue“：{”issue“：”1“，”published-online“：{”date-parts“：[[2020,1]]}}，”alternative-id“：[”rs12010159“]，”URL“：”http://\/dx.doi.org\/10.3390\/rs12010159'“，”relation“：{}，“ISSN”：[“2072-4292”]，“ISSN-type”：[{“value”：“2072~4292”，“type”“：”electronic“}”]，“主题”：[]，“发布”：{“日期部分”：[[2020,1,2]]}}}