一种切空间协同表示的高光谱遥感影像分类方法
协同表示分类(collaborative representation classification,CRC)算法近年来成为高光谱遥感分类的研究热点.地物类别间区分性不高会严重影响现有CRC算法的性能.流形结构可有效地解决非线性问题,并解决高光谱遥感影像因数据冗余导致的类别间区分性低的问题.提出了一种基于切空间的高光谱遥感影像协同表示分类算法(tangent space collaborative representation classification,TCRC)和一种基于欧氏距离的自适应加权的切空间协同表示分类算法(weighted tangent space collaborative representation classification,WTCRC).TCRC算法利用测试样本的切平面来估计区域流形,在测试样本的切空间中使用协同表示算法,寻找测试样本在各类训练样本中的最优线性表示估计,并用其最小误差来对测试样本进行分类.在此基础上,利用测试样本邻域像元、训练样本与测试样本的欧氏距离作为权矩阵来自适应调整各样本对测试样本的影响.实验采用ROSIS(reflective optics system image spectro-meter)和AVIRIS(airbone visible infrared imaging spectrometer)高光谱遥感影像对所提出算法的性能进行了评价,结果表明TCRC和WTCRC在分类效果上比CRC有明显的提升,WTCRC相较于TCRC具有更好的分类效果,具有更强鲁棒性.
高光谱影像、协同表示、切空间、自适应权、影像分类
43
P407;P231(一般理论与方法)
国家自然科学基金41571325,41201341;江苏高校“青蓝工程”;河海大学“大禹学者”.The National Natural Science Foundation of China,Nos.41571325,41201341;QingLan Project;Dayu Scholars Program of Hohai University
2018-05-25(万方平台首次上网日期,不代表论文的发表时间)
共9页
555-562,604