基于独立空谱残差融合的联合稀疏表示高光谱图像分类

论文摘要

针对高光谱图像分类中存在的空间信息与光谱信息融合问题,提出一种基于独立空谱残差融合的联合稀疏表示高光谱图像分类算法。使用类独立的光谱角初分类图像,获得像元初始标记后按特定条件进行筛选再构造像元邻域空间。提取图像的全局空间信息,并将其引入到空谱联合稀疏表示模型中,使用单独的光谱信息字典与空间信息字典分别进行图像光谱与空间的联合稀疏表示残差计算。在此基础上,使用残差融合算法确定图像类别。实验结果表明,相对SVM、KNN等算法,该算法能够提升高光谱图像的分类精度,且分类结果更稳定。

论文目录

• 0概述
• 1 基于联合稀疏表示的高光谱图像分类
• 2 独立空谱残差融合的联合稀疏表示分类
•   2.1 类独立光谱角初分类
•   2.2 高光谱图像的空间特征提取
•     2.2.1 基于数学形态学的特征提取
•     2.2.2 基于灰度共生矩阵的纹理特征提取
•   2.3 算法步骤
• 3 实验结果与分析
•   3.1 对比算法
•   3.2 评价指标
•   3.3 实验数据集及参数设置
•   3.4 算法性能分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 卢佳,保文星

关键词: 高光谱图像,联合稀疏表示,全局空间信息,光谱信息,残差融合

来源: 计算机工程 2019年01期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 工业通用技术及设备,自动化技术

单位: 北方民族大学计算机科学与工程学院

基金: 国家自然科学基金“基于遥感的宁夏工业固体废物环境监测研究”(61461003),北方民族大学校级创新项目(YCX1756)

分类号: TP751

DOI: 10.19678/j.issn.1000-3428.0049037

页码: 246-252

总页数: 7

文件大小: 1072K

下载量: 174