基于空譜差分輔助核聯(lián)合稀疏表示的高光譜圖像分類
該成果提出了一種基于空譜差分輔助核聯(lián)合稀疏表示分類的高光譜圖像分類方法。本章方法的主要?jiǎng)?chuàng)新性在于:1)能夠?qū)⒐庾V的差分輔助信息和原光譜特征信息有效結(jié)合。2)能夠考慮不同光譜屬性間的高階空間相關(guān)信息。3)原空譜和差分空譜核特征字典的信息通過(guò)具有混合正則的核聯(lián)合稀疏表示分類方法得到充分利用。通過(guò)在真實(shí)高光譜圖像數(shù)據(jù)上的實(shí)驗(yàn)表明,該成果提出的方法能夠有效地提高高光譜遙感圖像的分類效果。
主要技術(shù)指標(biāo)
不同數(shù)據(jù)集下的訓(xùn)練樣本與測(cè)試樣本數(shù)參閱表 1. 在該訓(xùn)練樣本集數(shù)量下的分類結(jié)果表現(xiàn)參見(jiàn)表 2. 相比于傳統(tǒng)分類器 SVM,OA 提高了約 20%;相比于 SOMP,OA 提高了約20%。
該成果無(wú)需使用 GPU 資源在保證精度的同時(shí)有效提升了分類的精度和效果,同時(shí)在較少訓(xùn)練樣本條件下仍能得到較好的分類精度和分類效果。
表 1. 不同數(shù)據(jù)集下的訓(xùn)練樣本選取數(shù)量
表 2. PaviaU 大學(xué)數(shù)據(jù)下不同方法的正確率比較
西安電子科技大學(xué)
2023-03-22