基于结构性字典学习的高光谱遥感图像分类

• 作者: 杨武年 杨茹 潘佩芬 秦振涛 邓琮
• 来源期刊: 西南交通大学学报
• 学科: 工学
• 关键词: 高光谱遥感图像 结构性字典学习 支持向量机 分类
• 年，卷（期）: 2015,（2）
• 页码范围: 336-341
• 页数: 6页
• 分类号: TP751
• 字数: 3661字
• 语种: 中文
• DOI: 10.3969/j.issn.0258-2724.2015.02.020

摘要

为提高高光谱遥感图像的分类精度，提出了一种新的结构性稀疏表示及字典学习的高光谱遥感图像分类方法．该方法能同时利用高光谱遥感图像像素间的空间及光谱关系得到表示每个像素的字典，被划分为同一像素组的像素具有通用的稀疏模式；由字典计算图像的稀疏表示系数获得遥感图像的稀疏表示特征；利用线性支持向量机算法实现对高光谱遥感图像的分类．对AVIRIS和ROSIS高光谱遥感图像进行的实验结果表明：提出的方法比普通字典学习分类精度分别提高0．0411和0．0466，Kappa系数分别提高0．1793和0．0563．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨武年	成都理工大学国土资源部地学空间信息技术重点实验室	143	1294	16.0	28.0
2	邓琮	成都理工大学国土资源部地学空间信息技术重点实验室	5	12	2.0	3.0
3	秦振涛	成都理工大学国土资源部地学空间信息技术重点实验室	16	56	4.0	7.0
5	杨茹		15	58	4.0	7.0
8	潘佩芬	成都理工大学国土资源部地学空间信息技术重点实验室	7	59	4.0	7.0