一种针对小训练样本的低空遥感影像分类方法

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据
维普

中文摘要：受低空遥感影像数据性质影响,在针对小训练样本时分类精度欠佳.提出了一种针对小训练样本的低空遥感影像分类方法(ELM-CF).方法首先通过等价局部二值模式提取低空遥感影像的纹理细节;然后联合光谱与纹理特征构建组合特征以增强像元描述唯一性,降低分类中对训练样本的依赖;最后利用极限学习机对组合特征进行分类.为验证方法的有效性,选用2组无人机影像,并随机抽取占每类总量0.1％的像元作为训练样本进行实验.实验结果表示明本文方法对两组数据的总体分类精度分别为96.4％和97.6％,且具有较好的时效性.

外文标题：Classification of Low Altitude Remote Sensing Images for Small Training Samples

作者：

余明创

展开 >

作者单位：

江西核工业测绘院集团有限公司,330038,南昌

关键词：

小训练样本低空遥感影像 LBP 组合特征 ELM

出版年：

2021

DOI：

10.13990/j.issn1001-3679.2021.06.031