【读论文】多核学习算法及其在高光谱图像分类中的应用研究进展(2021)

【读论文】多核学习算法及其在高光谱图像分类中的应用研究进展(2021)
李广洋
DOI 10.12082/dqxxkx.2021.200536

摘要：

多核学习算法在高光谱图像分类领域占据着十分重要的地位。与灰度图像、全色图像和多光谱图像等相比，高光谱图像因具有很强的分类识别能力等多方面优势而被广泛应用。为进一步提高高光谱图像的分类精度，促进多核学习算法在高光谱图像分类中的应用，本文对多核学习算法及其在高光谱图像分类中的应用进行了总结。首先在回顾核方法的基础上阐述了多核学习框架，其次对多核学习核函数组合方法进行综述，随后根据求解多核学习组合系数方法的不同将多核学习分为两类：固定规则的多核学习算法和基于优化的多核学习算法，并对两类多核学习算法在高光谱图像分类中的应用进行综述，总结各类算法在高光谱图像分类的应用进展。同时，为了便于研究者对多核学习算法及其在高光谱图像分类问题中的应用研究，本文对常用核函数和高光谱图像数据集进行了整理归纳。最后，讨论了多核学习算法在高光谱图像分类研究方面的不足，并对未来研究方向进行了展望，以期为该领域的研究和应用提供参考。

关键词：

支持向量机；多核学习算法；遥感；高光谱；图像分类；核函数；多视图；特征融合

结论

多核学习算法在遥感图像分类中受到越来越广泛的关注，较传统的分类方法其能够有效地提高分类精度。本文回顾了多核学习算法的发展历程，对多核学习核函数组合方法以及求解组合系数算法进行综述，总结其在高光谱图像分类问题中的研究进展。此外，还整理归纳了多核学习算法常用的核函数及高光谱图像分类的