基于PCA与协同表示的高光谱图像分类研究

• 作者: 侯卫民 孙靖国 梅少辉 王明 韩嫚莉
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 分类 协同表示 高光谱 主成分分析
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 117-121
• 页数: 5页
• 分类号: TP751
• 字数: 3347字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2019.01.019

摘要

在基于协同表示(CR)的高光谱图像分类问题中,通常直接选用训练样本构建各类字典,但各类字典内训练样本基元间的相关性往往会降低协同表示分类性能.为此,该文提出采用主成分分析(PCA)对各类训练样本进行去相关处理以构建字典,降低了训练样本间的相关性对分类结果的影响,可有效提高协同表示分类的有效性.高光谱真实数据分类实验结果表明,该算法可有效提高传统协同表示分类的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩嫚莉	中国航空工业集团公司西安航空计算技术研究所	12	18	2.0	4.0
2	王明	中国航空工业集团公司西安航空计算技术研究所	14	24	3.0	4.0
3	孙靖国	中国航空工业集团公司西安航空计算技术研究所	13	128	5.0	11.0
4	侯卫民	河北科技大学信息科学与工程学院	9	17	2.0	4.0
5	梅少辉	西北工业大学电子信息学院	10	83	4.0	9.0