Adaptive Expansion of Training Samples for Improving Hyperspectral Image Classification Performance

سال انتشار: 1392
محل انتشار: بیست و یکمین کنفرانس مهندسی برق ایران
کد COI اختصاصی: ICEE21_133
زبان مقاله: انگلیسی
تعداد مشاهده: 1066

نویسندگان

Tarbiat Modares University

چکیده

A relevant problem for supervised classification of hyperspectral image is the limited availability of labeled training samples, since their collection is generally expensive, difficultand time consuming. In this paper, we propose an adaptive method for improving classification of hyperspectral imagesthrough expansion of training samples size. The represented approach utilizes high-confidence labeled pixels as training samples to re-estimate classifier parameters. Semi-labeled samples are samples whose class labels are determined by ML classifier. Samples that their discriminator function values arelarge enough are selected in an adaptive process and considered as semi-labeled (pseudo-training) samples added to the trainingsamples to train the classifier sequentially. The results of experiments show classification performance is improved andthis method can solve the limitation of training samples in hyperspectral images.

کلیدواژه ها

classification, hyperspectral image, limited training data, pseudo-training samples

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.