高光谱图像分类的融合分层深度网络联合稀疏表示算法

发布时间：2021-05-05 16:48

　　在高光谱图像分类领域中每个像素的局部邻域一旦包含来自不同类别的样本,联合稀疏表示将受邻域内字典原子与测试样本之间同谱异类的影响,严重降低分类性能.根据高光谱图像的特点,文中提出融合分层深度网络的联合稀疏表示算法.在光谱和空间特征学习之间交替提取判别性光谱信息和空间信息,构建兼具空谱特征的学习字典,用于联合稀疏表示.在分类过程中将学习字典与测试样本间的相关系数与分类误差融合并决策.在两个高光谱遥感数据集上的实验验证文中算法的有效性. 

【文章来源】：模式识别与人工智能. 2020,33(04)北大核心CSCD

【文章页数】：10 页

【文章目录】：
1 融合分层深度网络的联合稀疏表示算法
    1.1 融合分层深度网络的特征字典构建
    1.2 融合分层深度字典的联合稀疏表示
2 实验及结果分析
    2.1 Indian Pines数据集上的实验结果
    2.2 Pavia University数据集上的实验结果
3 结束语



本文编号：3170238