首页|类不平衡高光谱图像分类的光谱自适应增强方法

类不平衡高光谱图像分类的光谱自适应增强方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
针对高光谱图像分类方法在处理类不平衡数据集时容易出现高误检率的问题,该文提出一种光谱信息自适应加权框架,其中包括构建光谱自适应加权方法,该方法通过结合熵权法权重和训练权重来确定光谱波段的权重,以增强模型对光谱信息的识别能力.同时,建立了一个局部关系增强的全局上下文分类模型,通过聚合全局和局部特征,学习更稳健的分类特征在类不平衡数据情境下实现更精确的分类.在训练过程中,光谱自适应加权方法自动调整光谱波段的权重,有助于选出对分类任务关键的光谱波段,显著增强模型的泛化能力.其次,提出的局部关系增强的全局上下文分类模型,在提取全局上下文特征的基础上,增强局部信息对分类结果的贡献,有效缓解类不平衡数据集的误检率问题.在Pavia University、Houston 2013数据集上的实验结果表明,与现有的分类模型相比,该方法在处理类不平衡的数据集方面表现出色,显著提高了地物要素的分类精度.
Spectral adaptive enhancement method for class-imbalanced hyperspectral image classification
In addressing the challenge of high false detection rates in hyperspectral image classification methods when dealing with imbalanced datasets,this paper proposes a spectral information adaptive weighting framework.This framework includes the construction of a spectral adaptive weighting method,which determines the weights of spectral bands by combining entropy-weighting and training-weighting,enhancing the model's ability to recognize spectral information.Simultaneously,a local relationship-enhanced global context classification model is established,leveraging the aggregation of global and local features to learn more robust classification characteristics for achieving more precise classification in the context of imbalanced data.During the training process,the spectral adaptive weighting method automatically adjusts the weights of spectral bands,aiding in the selection of crucial spectral bands for the classification task and significantly enhancing the model's generalization capability.Furthermore,the proposed local relationship-enhanced global context classification model,building upon the extraction of global context features,reinforces the contribution of local information to classification results,effectively mitigating false detection issues in imbalanced datasets.Experimental results on the Pavia University and Houston 2013 datasets demonstrate that,compared to existing classification models,this method performs exceptionally well in handling imbalanced datasets,significantly improving the classification accuracy of land features.

hyperspectral image classificationspectral attentionlocal information enhancementglobal contextentropy-based weightingadaptive band selection

陈盈坤、张宝华、吕晓琪、李永翔、谷宇、李建军、任国印、徐利权、温海英

展开 >

内蒙古科技大学信息工程学院,内蒙古包头 014010

内蒙古工业大学信息工程学院,呼和浩特 010051

内蒙古农业大学能源与交通工程学院,呼和浩特 010018

中国移动通信集团内蒙古有限公司,内蒙古包头 014010

展开 >

高光谱图像分类 光谱注意力 局部信息增强 全局上下文 熵权法 自适应波段选择

国家自然科学基金项目国家自然科学基金项目国家自然科学基金项目国家自然科学基金项目国家自然科学基金项目内蒙古科技计划项目内蒙古科技计划项目中央引导地方科技发展资金项目内蒙古草原英才内蒙古自治区自然科学基金项目内蒙古自治区自然科学基金项目内蒙古自治区自然科学基金项目教育部"春晖计划"合作科研项目内蒙古自治区高等学校科学技术研究项目

61962046622620486200125562066036618412042020GG03152021GG00822021ZY00042022MS060172019MS060032018MS06018教外司留1383号NJZY145

2024

10.16251/j.cnki.1009-2307.2024.02.015

测绘科学
中国测绘科学研究院

测绘科学

CSTPCD北大核心
影响因子：0.774
ISSN：1009-2307
年,卷(期)：2024.49(2)
  • 24