基于高斯混合模型的遥感影像半监督分类

被引：18

作者：

熊彪

江万寿

李乐林

机构：

[1] 武汉大学测绘遥感信息工程国家重点实验室

来源：

武汉大学学报(信息科学版) | 2011年 / 36卷 / 01期

关键词：

遥感影像分类; 半监督分类; 高斯混合模型;

D O I：

10.13203/j.whugis2011.01.015

中图分类号：

P237.4 [];

学科分类号：

摘要：

提出了对每一类地物的光谱特征用一个高斯混合模型(Gauss mixture model,GMM)描述的新思路,并应用在半监督分类(semi-supervised classification)中。实验证明,本方法只需少量的标定数据即可达到其他监督分类方法(如支持向量机分类、面向对象分类)的精度,具有较好的应用价值。

引用

页码：108 / 112

页数：5

共 9 条

[1] 基于高斯混合模型的建筑物QuickBird多光谱影像数据分类研究 [J].

高妙仙 ;

毛政元 .

国土资源遥感, 2009, (02) :19-23

[2] 遥感影像分类中的模糊聚类有效性研究 [J].

钟燕飞 ;

张良培 ;

李平湘 .

武汉大学学报(信息科学版), 2009, 34 (04) :391-394

[3] 摄影测量与遥感学的发展展望 [J].

李德仁 .

武汉大学学报(信息科学版), 2008, (12) :1211-1215

[4] 基于多分辨率小波和高斯混合模型的纹理图像分割 [J].

余鹏 ;

封举富 .

北京大学学报(自然科学版), 2005, (03) :338-343

[5] 有限混合密度模型及遥感影像EM聚类算法 [J].

骆剑承 ;

周成虎 ;

梁怡 ;

马江洪 .

中国图象图形学报, 2002, (04) :26-30+108

[6]

机器学习及其应用[M]. 清华大学出版社 , 王珏,周志华,周傲英主编, 2006

[7]

Optimal combinations of data, classifiers, and sampling methods for accurate characterizations of deforestation[J] . Wenchun Wu,Guofan Shao.Canadian Journal of Remote Sensing . 2002 (4)

[8]

Maximum Likelihood from Incomplete Data via the EM Algorithm[J] . A. P. Dempster,N. M. Laird,D. B. Rubin.Journal of the Royal Statistical Society. Series . 1977 (1)

[9]

Semi-Supervised Learning Literature Survey. Zhu X. Computer World . 2007

← 1 →