在高光譜圖像分類領(lǐng)域中每個像素的局部鄰域一旦包含來自不同類別的樣本,聯(lián)合稀疏表示將受鄰域內(nèi)字典原子與測試樣本之間同譜異類的影響,嚴(yán)重降低分類性能.根據(jù)高光譜圖像的特點(diǎn),文中提出融合分層深度網(wǎng)絡(luò)的聯(lián)合稀疏表示算法.在光譜和空間特征學(xué)習(xí)之間交替提取判別性光譜信息和空間信息,構(gòu)建兼具空譜特征的學(xué)習(xí)字典,用于聯(lián)合稀疏表示.在分類過程中將學(xué)習(xí)字典與測試樣本間的相關(guān)系數(shù)與分類誤差融合并決策.在兩個高光譜遙感數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證文中算法的有效性. 

【文章來源】：模式識別與人工智能. 2020,33(04)北大核心CSCD

【文章頁數(shù)】：10 頁

【文章目錄】：
1 融合分層深度網(wǎng)絡(luò)的聯(lián)合稀疏表示算法
    1.1 融合分層深度網(wǎng)絡(luò)的特征字典構(gòu)建
    1.2 融合分層深度字典的聯(lián)合稀疏表示
2 實(shí)驗(yàn)及結(jié)果分析
    2.1 Indian Pines數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果
    2.2 Pavia University數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果
3 結(jié)束語



本文編號：3170238