系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
SYSTEMS ENGINEERING AND ELECTRONICS
2013年
9期
1994-1998
,共5页
图像处理%高光谱遥感%自适应稀疏表示%分类
圖像處理%高光譜遙感%自適應稀疏錶示%分類
도상처리%고광보요감%자괄응희소표시%분류
image processing%hyperspectral remote sensing%adaptive sparse representation%classification
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.
針對多數傳統分類算法應用于高光譜分類都存在運算速度慢、精度比較低和難以收斂等問題,從稀疏錶示基本理論齣髮建立瞭一箇基于自適應稀疏錶示的高光譜分類模型.利用訓練樣本構建字典,聚類每一步迭代所產生的餘項,將聚類中心作為新的字典原子,然後將測試樣本看成冗餘字典中訓練樣本的線性組閤,令字典能夠更適應于樣本的稀疏錶示.利用華盛頓地區的HYDICE高光譜遙感數據進行試驗,併且與主成分分析、線性鑒彆分析、支持嚮量機、神經網絡算法進行比較,結果錶明,該算法的總體分類精度比其他算法提高瞭約12％,有效提高瞭高光譜影像的分類精度.
침대다수전통분류산법응용우고광보분류도존재운산속도만、정도비교저화난이수렴등문제,종희소표시기본이론출발건립료일개기우자괄응희소표시적고광보분류모형.이용훈련양본구건자전,취류매일보질대소산생적여항,장취류중심작위신적자전원자,연후장측시양본간성용여자전중훈련양본적선성조합,령자전능구경괄응우양본적희소표시.이용화성돈지구적HYDICE고광보요감수거진행시험,병차여주성분분석、선성감별분석、지지향량궤、신경망락산법진행비교,결과표명,해산법적총체분류정도비기타산법제고료약12％,유효제고료고광보영상적분류정도.
