基于半监督子空间迁移的稀疏表示遥感图像场景分类方法

周国华，蒋晖，顾晓清，殷新春

（1.常州工业职业技术学院信息工程学院，江苏 常州 213164；2.常州大学计算机与人工智能学院，江苏常州 213164；3.扬州大学 信息工程学院,江苏 扬州 225127）

0 引言

随着人工智能技术的发展，基于机器学习的遥感图像场景分类能够准确、快速地识别地物的类别信息，在精准农业、地质调查、军事侦察、识别伪装等领域有重要应用［1-2］。实时遥感场景分类是对从遥感图像中提取的内容进行实时场景分类和识别的过程。提高实时场景分类的准确性有利于提高目标检测结果，更好地完成覆盖分析、利用分析、土地规划和土地资源建设等任务［3-5］。目前，常用的传统模式识别和分类方法有支持向量机、深度学习、神经网络、主动学习和稀疏表示等［6-10］。给定一个输入数据矩阵，通过稀疏表示旨在找到一组基本向量（即字典），捕获高层语义以及相对于字典的稀疏坐标，使得每个数据点均可表示为少量向量的线性组合。例如，WEI 等［11］提出了一种基于分析字典学习的遥感图像场景分类方法，该方法将频谱数据分成若干段，在学习过程中同时考虑谱内和谱间的特征；同时，为保持光谱之间的关系，将像素之间的相似性作为约束条件。HAO 等［12］开发了挖掘高光谱图像的类内和类间结构信息字典。首先，构造了2 个特殊的流形正则化器，平衡类内共享和类间竞争，将这些正则化器合并至目标函数，学习判别能力强的字典。然后，在协同表示框架下，通过学习类字典得到稀疏表示。……