多标签高光谱图像地物分类

目的 在高光谱地物分类中，混合像元在两个方面给单标签分类带来了负面影响：单类地物在混入异类地物后，其光谱特征会发生改变，失去独特性，使类内差异变大；多类地物在混合比例加深的情况下，光谱曲线会互相趋近，使类间差异变小。为了解决这一问题，本文将多标签技术运用在高光谱分类中。方法 基于高光谱特性，本文将欧氏距离与光谱角有机结合运用到基于类属属性的多标签学习LIFT（multi-label learning with label specific features）算法的类属属性构建中，形成了适合高光谱多标签的方法。基于标签地位的不相等，本文为多标签数据标注丰度最大标签，并在K最近邻KNN（k-nearest neighbor）算法中为丰度最大的标签设置比其余标签更大的权重，完成对最大丰度标签的分类。结果 在多标签分类与单标签分类的比较中，多标签表现更优，且多标签在precision指标上表现良好，高于单标签0.5% 1.5%。在与其余4种多标签方法的比较中，本文多标签方法在2个数据集上表现最优，在剩余1个数据集上表现次优。在最大丰度标签的分类上，本文方法表现优于单标签分类，在数据集Jasper Ridge上的总体分类精度提高0.2%，混合像元分类精度提高0.5%。结论 多标签分类技术应用在高光谱地物分类上是可行的，可以提升分类效果。本文方法根据高光谱数据的特性对LIFT方法进行了改造，在高光谱多标签分类上表现优异。高光谱地物的多标签分类中，每个像元多个标签的地位不同，在分类中可以通过设置不同权重体现该性质，提升分类精度。

Multi-label hyperspectral image classification