基于主动学习的高光谱图像分类方法

？高光谱图像监督分类中，为了避免休斯效应需要大量的训练样本，但在实际应用中对样本进行标注成本非常高，因此，得到高质量的训练样本显得十分重要。提出一种基于主动学习的高光谱图像分类方法，通过对区域关注度的统计，有效地结合图像光谱和空间特性，基于主动学习方法获取信息量较大的训练样本，从而较大幅度提高了分类的精确度。实验结果表明，所提算法比传统的随机取样监督分类法和主动学习方法在分类精确度上有较大的优势。