Assessment of Performance Improvement in Hyperspectral Image Classification Based on Adaptive Expansion of Training Samples

سال انتشار: 1393
محل انتشار: فصلنامه سیستم های اطلاعاتی و مخابرات، دوره: 2، شماره: 6
کد COI اختصاصی: JR_JIST-2-6_001
زبان مقاله: انگلیسی
تعداد مشاهده: 1187

نویسندگان

Department of Electrical and Computer Engineering, Tarbiat Modares University, Tehran, Iran

چکیده

High dimensional images in remote sensing applications allow us to analysis the surface of the earth with more details. A relevant problem for supervised classification of hyperspectral image is the limited availability of labeled training samples, since their collection is generally expensive, difficult and time consuming. In this paper, we propose an adaptive method for improving the classification of hyperspectral images through 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 GML classifier. Samples whose discriminator function values are large enough are selected in an adaptive process and considered as semi-labeled (pseudo-training) samples added to the training samples to train the classifier sequentially. The results of experiments show that proposed method can solve the limitation of training samples in hyperspectral images and improve the classification performance.

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.