10.3969/j.issn.1001-506X.2013.09.32
基于自适应稀疏表示的高光谱遥感图像分类
针对多数传统分类算法应用于高光谱分类都存在运算速度慢、精度比较低和难以收敛等问题,从稀疏表示基本理论出发建立了一个基于自适应稀疏表示的高光谱分类模型.利用训练样本构建字典,聚类每一步迭代所产生的余项,将聚类中心作为新的字典原子,然后将测试样本看成冗余字典中训练样本的线性组合,令字典能够更适应于样本的稀疏表示.利用华盛顿地区的HYDICE高光谱遥感数据进行试验,并且与主成分分析、线性鉴别分析、支持向量机、神经网络算法进行比较,结果表明,该算法的总体分类精度比其他算法提高了约12%,有效提高了高光谱影像的分类精度.
图像处理、高光谱遥感、自适应稀疏表示、分类
35
TH691.9(专用机械与设备)
国家自然科学基金61101168资助课题
2013-10-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
1994-1998