基于多任务联合稀疏表示的高光谱图像分类算法

• 作者: 何杰颖 张升伟 李娜 贾立丽
• 来源期刊: 微电子学与计算机
• 关键词: 多任务学习 稀疏表示 高光谱图像 图像分类
• 年，卷（期）: 2019,（10）
• 页码范围: 15-20
• 页数: 6页
• 分类号: TP751.1
• 语种: 中文

摘要

为了充分提取高光谱图像丰富的光谱信息,尽可能降低光谱冗余,同时保留较多有效判别信息.基于高光谱图像单波段的谱间相似性,提出了基于多任务学习和稀疏表示的分类算法.该方法将光谱间的冗余特性转化为有效信息加以利用,使用波段交叉分组策略构建子任务,并引入稀疏表示模型将所有分类任务进行联合表示,最终根据所有任务的累积残差确定测试样本的类别.实验对比分析了多任务联合表示分类和单任务分类的准确率.结果表明,基于多任务联合稀疏表示模型的分类性能优于单任务模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何杰颖	中国科学院国家空间科学中心微波遥感技术重点实验室	17	54	4.0	7.0
5	张升伟	中国科学院国家空间科学中心微波遥感技术重点实验室	50	533	11.0	22.0
9	贾立丽	中国科学院国家空间科学中心微波遥感技术重点实验室	2	0	0.0	0.0