基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了实现精确的高光谱图像分类,结合稀疏表示及光谱信息提出基于联合结构化稀疏表示的高光谱分类算法,该算法能够同时利用像元的空间语义信息和字典集内部样本结构性。建立了联合结构化稀疏表示模型,并利用交替方向迭代算法设计求解方案。在此基础上,设计了基于联合结构化稀疏表示的高光谱分类框架,其中利用类特定残留来判定被测试像元的类别。实验结果表明所提算法相比其他经典或前沿算法具有更高的分类精度。
推荐文章
基于多任务联合稀疏表示的高光谱图像分类算法
多任务学习
稀疏表示
高光谱图像
图像分类
基于SSAE深度学习特征表示的高光谱遥感图像分类方法
高光谱遥感图像分类
堆叠稀疏自动编码器
深度学习
特征表示
支持向量机
基于联合协同表示与SVM决策融合的高光谱图像分类研究
协同表示
高光谱图像分类
决策融合
支持向量机
基于图像边缘位移的有监督的稀疏表示分类方法
图像分类
稀疏表示
训练样本
仿射约束
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于联合结构化稀疏表示的高光谱图像分类
来源期刊 华中科技大学学报(自然科学版) 学科 工学
关键词 图像处理 高光谱图像 稀疏表示 联合稀疏表示 结构化稀疏表示
年,卷(期) 2015,(z1) 所属期刊栏目 机器视觉、图像处理与模式识别技术
研究方向 页码范围 187-191
页数 5页 分类号 TP391.4|TP751
字数 语种 中文
DOI 10.13245/j.hust.15S1045
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 龚涛 大连民族大学机电工程学院 11 117 2.0 10.0
2 张汝波 大连民族大学机电工程学院 39 70 5.0 6.0
3 杨大伟 大连民族大学机电工程学院 24 18 3.0 3.0
4 薄纯娟 大连民族大学机电工程学院 11 39 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (40)
共引文献  (26)
参考文献  (16)
节点文献
引证文献  (1)
同被引文献  (7)
二级引证文献  (0)
1968(2)
  • 参考文献(0)
  • 二级参考文献(2)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(5)
  • 参考文献(1)
  • 二级参考文献(4)
2010(4)
  • 参考文献(2)
  • 二级参考文献(2)
2011(8)
  • 参考文献(1)
  • 二级参考文献(7)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(9)
  • 参考文献(5)
  • 二级参考文献(4)
2014(6)
  • 参考文献(5)
  • 二级参考文献(1)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像处理
高光谱图像
稀疏表示
联合稀疏表示
结构化稀疏表示
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
华中科技大学学报(自然科学版)
月刊
1671-4512
42-1658/N
大16开
武汉市珞喻路1037号
38-9
1973
chi
出版文献量(篇)
9146
总下载数(次)
26
总被引数(次)
88536
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导