文献类型：会议论文

中文题名：面向高光谱图像的联合稀疏分类方法

作者：张敬尊;杨青国;徐光美;王金华;何宁;张睿哲

第一作者：张敬尊

机构：[1]北京联合大学智慧城市学院;[2]北京中航油工程建设有限公司

第一机构：北京联合大学智慧城市学院

会议论文集：中国计算机用户协会网络应用分会2023年第二十七届网络新技术与应用年会论文集

会议日期：20231116

会议地点：中国江苏镇江

语种：中文

中文关键词：高光谱图像;小样本;空谱特征提取;联合稀疏表示;字典学习

摘要：针对高光谱图像分类中信息冗余及"小样本"问题,提出了一种联合稀疏表示分类方法JSRC(Joint Sparse Representation Classification)。该方法引入高光谱图像中"相邻同物"的先验知识,将像元分组并通过联合稀疏模型进行表征,在提取高维光谱特征的同时融合空间特征,同时,监督字典学习策略可以充分利用样本间竞争及协同互助关系,在小样本前提下进行更具表征性的学习,进而更高效地完成分类。经Indian Pines,Pavia University两个标准高光谱数据集的实验验证,结果表明,相同训练样本下,与传统的SVM方法以及当下主流基于深度学习的方法相比,JSRC的整体分类精度、平均分类精度以及Kappa系数均有明显提升,其特征表征能力及"小样本"下的分类性能得以印证。