10.13474/j.cnki.11-2246.2018.0110
样本迁移支持下的遥感影像自动分类方法
迁移学习是运用已有知识对相关的不同领域的问题进行求解的一种机器学习方法,本文结合这一方法,提出了一种基于先验知识的样本自动选取方法,并构建了一套士地覆盖自动分类的算法框架.该方法主要面向Landsat数据,通过图像变化检测技术与光谱形状编码的方法,从源领域中迁移适用的地物类别知识并标记在目标影像中,使用SVM完成基于样本迁移的自动分类流程.结果表明,该方法可以获得可靠的自动分类结果,一定程度上满足遥感信息的大范围提取与长时间序列处理分析的发展需求.
迁移学习、士地覆盖、变化检测、光谱形状编码、自动分类
P237(摄影测量学与测绘遥感)
国家自然科学基金重点基金41631176;中国地质调查局三峡后续工作科研项目0001792015CB50002
2018-06-07（万方平台首次上网日期，不代表论文的发表时间）
共6页
57-62
