基于低秩结构提取的高光谱图像压缩表示

• 作者: 付光远 唐中奇 张利 陈进
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 高光谱图像分类 压缩表示 低秩矩阵恢复
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 论文
• 页码范围: 1085-1091
• 页数: 7页
• 分类号: TP751
• 字数: 5018字
• 语种: 中文
• DOI: 10.11999/JEIT150906

摘要

为实现高效、精准的高光谱图像分类,该文利用低秩矩阵恢复从原始数据中提取低维特征,实现高光谱图像的压缩表示.针对高光谱应用的特殊性,该文算法基于结构相似性度量(Structural Similarity Index Measurement,SSIM)对矩阵恢复过程提出了信噪分离约束,有助于选择更优的模型参数,增强表示的准确性.实验证明,相比现有相关方法,该文算法能够有效去除高光谱图像中的噪声,表示结果更为鲁棒;在仅使用低维特征时,仍能达到较高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张利	清华大学电子工程系	166	1426	18.0	35.0
2	付光远	第二炮兵工程大学信息工程系	15	119	6.0	10.0
3	唐中奇	第二炮兵工程大学信息工程系	8	28	3.0	5.0
7	陈进		3	21	2.0	3.0