稀疏表示模型及高光谱遥感应用研究

发布时间：2021-04-08 11:23

　　稀疏表示是一种新型的数据挖掘技术,与传统算法相比,稀疏表示类算法更善于发现隐藏在数据背后的知识,具有优秀的特征发现和保持能力,近年来成为多领域的研究热点。然而,各领域对此技术的表征和描述不尽相同,不利于遥感高光谱图像处理领域的扩展,应用潜力有待深挖。该文在对生物视觉、统计学以及机器学习等领域中稀疏表示的理论基础、研究进展进行总结的基础上,提出了遥感适用的稀疏表示框架,就稀疏表示的模型进行了系统而详尽的描述,重点介绍了稀疏编码及字典学习两个关键问题。基于稀疏表示遥感应用适用性及应用潜力分析的需求,梳理了稀疏表示模型遥感领域的应用,重点分析并统计了高光谱各分支的应用热点与难点。最后,对稀疏表示框架的优势以及高光谱遥感图像处理应用面临的问题进行了总结。 

【文章来源】：计算机技术与发展. 2020,30(10)

【文章页数】：6 页

【文章目录】：
0 引言
1 稀疏表示的多领域研究基础及应用
2 数学模型
    2.1 稀疏编码
    2.2 字典及字典学习
3 稀疏表示模型高光谱遥感图像应用
4 结束语


【参考文献】：
期刊论文
[1]高噪声遥感图像稀疏去噪重建[J]. 张杰,史小平,张焕龙,耿盛涛.  哈尔滨工业大学学报. 2019(10)
[2]空-谱协同正则化稀疏超图嵌入的高光谱图像分类[J]. 黄鸿,陈美利,王丽华,李政英.  测绘学报. 2019(06)
[3]高光谱遥感影像稀疏表示与字典学习分类研究[J]. 甘乐.  地理与地理信息科学. 2019(01)
[4]混合全变差和低秩约束下的高光谱图像复原[J]. 谢晓振,徐鹏,彭真,张雯佳.  中国图象图形学报. 2017(11)
[5]高光谱图像处理与信息提取前沿[J]. 张兵.  遥感学报. 2016(05)
[6]高光谱图像稀疏信息处理综述与展望[J]. 张良培,李家艺.  遥感学报. 2016(05)
[7]高光谱图像半监督局部稀疏嵌入降维算法[J]. 赵春晖,崔晓辰,齐滨.  沈阳大学学报(自然科学版). 2014(06)

博士论文
[1]高光谱图像的稀疏解混方法研究[D]. 徐盈盈.华东师范大学 2018



本文编号：3125458