论文部分内容阅读
高光谱图像分类是高光谱遥感领域中的研究热点之一,它作为高光谱遥感图像处理过程中一个非常重要的环节,对于高光谱图像的理解分析有很好的帮助.目前已经有多种基于机器学习理论的高光谱图像分类算法,但其分类效果大部分依赖于标注样本的数量.然而在高光谱数据中,通常标注样本较少而未标注样本较多.针对少量标记样本导致高光谱分类效果较差的问题,本文提出了基于多分类器的生成对抗网络样本扩增方法.使用提取的固定邻域大小的像素块代表每一个样本,并划分少量的样本作为训练集来训练生成对抗网络,利用训练好的生成网络生成带标记的样