自适应权重多视角度量学习的遥感图像场景分类方法

遥感图像易受光照和气象条件等干扰因素的影响,且随着遥感设备分辨率的提高,遥感图像中出现了更多的地表细节的问题.为了提高遥感图像的场景分类的准确度,提出一种自适应权重多视角度量学习方法.首先使用多个视角下的数据特征学习具有分辨力的度量空间,使在度量空间内同类图像紧凑,异类图像尽可能地远离;然后引入权重向量,在度量学习的过程中自适应地调节各视角间的权重关系;最后利用核技巧扩展至非线性空间,更有效地挖掘隐藏于视角间的关联和互补信息.在Google和WHU-RS遥感图像数据集上的实验结果表明,该方法具有良好的分类性能,平均分类准确率分别达到90.26％和92.62％,显著优于对比的单视角和多视角分类方法.