摘要
该文提出一种新的基于稀疏表示的高光谱图像分类方法。首先利用训练数据构造结构化字典,建立基于稀疏表示的高光谱图像分类模型;然后添加空间相关性约束项和训练数据的空间信息,提高稀疏表示模型分类的准确性;最后采用快速的交替方向乘子法求解模型。实验结果表明:该文方法能够有效提高分类精度,且分类结果稳定。
A novel classification method of hyperspectral image based on sparse representation is proposed. First, the training data is used to design a structured dictionary, and a classification model of hyperspectral image is built based on sparse representation; Then the spatial correlation and the spatial information of training data are added to improve the accuracy of this model; Finally it is solved by the rapid alternating direction method of multipliers. The experimental results show that the proposed method can improve the classification results, and the results are stable.
出处
《电子与信息学报》
EI
CSCD
北大核心
2012年第11期2666-2671,共6页
Journal of Electronics & Information Technology
基金
国家自然科学基金(61101194
61071146)
江苏省自然科学基金(BK2011701)
高等学校博士学科点专项科研基金(20113219120024)
航遥中心对地观测技术工程实验室开放课题
中国地质调查局工作项目(1212011120227)
江苏省博士后科研基金(0901008B)资助课题
关键词
高光谱图像
稀疏表示
分类
空间相关性
Hyperspectral image
Sparse representation
Classification
Spatial correlation
