10.16452/j.cnki.sdkjzk.2022.04.010
基于线性谱聚类超像素分割和联合稀疏表示的高光谱图像分类算法
为了克服高光谱图像中存在的同类异谱和异类同谱现象对分类精度的影响,减少类间干扰,本研究提出基于线性谱聚类超像素分割和谱聚类的联合稀疏表示分类算法.首先,通过主成分分析对高光谱图像进行降维,利用线性谱聚类超像素分割算法对降维后的图像进行超像素分割,并将分割后的超像素块分成标签样本与训练样本.然后,利用谱聚类算法将训练样本分为两类,按规则选取其中一类作为测试样本,利用联合稀疏表示算法获取其表示残差,并将其作为所有训练样本的表示残差,同时计算测试样本与标签样本之间的相关系数.最后,用基于表示残差和相关系数的决策函数对像素进行分类.数值实验结果表明,新算法具有较高的分类精度和鲁棒性.
联合稀疏表示、高光谱图像分类、超像素分割、谱聚类、相关系数
41
TP751(遥感技术)
山东省自然科学基金青年基金项目ZR2019QA017
2022-11-03(万方平台首次上网日期,不代表论文的发表时间)
共13页
85-97