基于分层稀疏表示特征学习的高光谱图像分类研究

发布时间：2017-06-05 01:00

  本文关键词：基于分层稀疏表示特征学习的高光谱图像分类研究，由笔耕文化传播整理发布。

【摘要】：提出一种基于分层稀疏表示特征学习的方法即分层判别特征学习算法对高光谱图像进行分类,在两层的分层结构中用空间金字塔匹配模型在每层的稀疏编码上用最大池化方法学习得到判别特征,用分层判别特征学习得到的特征表示对于分类更稳健、判别性更好。在两个高光谱数据集上评价该方法,结果表明,该方法具有更好的分类精度。
【作者单位】： 辽宁工程技术大学电子与信息工程学院;大连理工大学计算机科学与技术学院;
【关键词】： 遥感 高光谱图像分类 特征学习 稀疏表示
【基金】：国家自然科学基金(61402212) 国家科技支撑计划(2013BAH12F00)
【分类号】：TP751
【正文快照】： 高光谱传感器的发展取得了显著的进步,带来了农业监控、环境污染监测和目标检测方面的革命[1-2]。利用高光谱图像进行土地覆盖分类是各种应用中一个重要的任务。然而高光谱数据的复杂特性给高光谱图像分类的准确性带来挑战。大量的光谱波段与相应的光谱信息给高光谱图像分类带

【相似文献】

中国期刊全文数据库 前9条

1 金炜;符冉迪;叶明;;过完备字典稀疏表示的云图超分辨率算法[J];遥感学报;2012年02期

2 宋相法;焦李成;;基于稀疏表示及光谱信息的高光谱遥感图像分类[J];电子与信息学报;2012年02期

3 刘建军;吴泽彬;韦志辉;肖亮;孙乐;;基于空间相关性约束稀疏表示的高光谱图像分类[J];电子与信息学报;2012年11期

4 秦振涛;杨武年;潘佩芬;;基于稀疏表示和自适应字典学习的“高分一号”遥感图像去噪[J];光电工程;2013年09期

5 殷飞;焦李成;;基于旋转扩展和稀疏表示的鲁棒遥感图像目标识别[J];模式识别与人工智能;2012年01期

6 赵春晖;李晓慧;朱海峰;;空间4-邻域稀疏表示的高光谱图像目标检测[J];哈尔滨工程大学学报;2013年09期

7 ;北方工业大学学报第25卷2013年总目次[J];北方工业大学学报;2013年04期

8 王雷;金炜;何艳;;采用冗余字典稀疏表达的红外与水汽云图融合[J];宁波大学学报(理工版);2014年03期

9 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年

中国博士学位论文全文数据库 前2条

1 李涛;遥感影像稀疏表示中的字典学习算法及其应用[D];华中科技大学;2015年

2 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年

中国硕士学位论文全文数据库 前6条

1 郝晓婷;基于学习字典稀疏表示的遥感图像分类算法研究与应用[D];北方民族大学;2014年

2 付欢;高光谱图像的稀疏表示和压缩算法研究[D];河北大学;2014年

3 程丹丹;基于自适应稀疏表示的振动信号压缩采样研究与应用[D];宁波大学;2015年

4 王莎;自适应优化稀疏表示的遥感图像压缩重构研究[D];浙江大学;2014年

5 查方兴;基于稀疏表示和空间约束的高光谱遥感图像分类方法研究[D];西安电子科技大学;2014年

6 步晓亮;基于稀疏表示的高空间分辨率遥感影像纹理描述方法的研究[D];上海交通大学;2012年

  本文关键词：基于分层稀疏表示特征学习的高光谱图像分类研究，，由笔耕文化传播整理发布。

本文编号：422521