10.3969/j.issn.0258-2724.2015.02.020
基于结构性字典学习的高光谱遥感图像分类
为提高高光谱遥感图像的分类精度,提出了一种新的结构性稀疏表示及字典学习的高光谱遥感图像分类方法.该方法能同时利用高光谱遥感图像像素间的空间及光谱关系得到表示每个像素的字典,被划分为同一像素组的像素具有通用的稀疏模式;由字典计算图像的稀疏表示系数获得遥感图像的稀疏表示特征;利用线性支持向量机算法实现对高光谱遥感图像的分类.对AVIRIS和ROSIS高光谱遥感图像进行的实验结果表明:提出的方法比普通字典学习分类精度分别提高0.0411和0.0466,Kappa系数分别提高0.1793和0.0563.
高光谱遥感图像、结构性字典学习、支持向量机、分类
TP751(遥感技术)
国家自然科学基金资助项目41071265,41372340;高等学校博士学科点专项科研基金资助项目20105122110006;国土资源部地学空间信息技术重点实验室开放基金资助项目KLGSIT2014-03
2015-05-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
336-341