基于随机矩阵的高光谱影像非负稀疏表达分类

被引：4

作者：

孙伟伟 ^{[1
]}

刘春 ^{[1
,2
]}

施蓓琦 ^{[1
]}

李巍岳 ^{[1
]}

机构：

[1] 同济大学测绘与地理信息学院

[2] 现代工程测量国家测绘地理信息局重点实验室

来源：

同济大学学报(自然科学版) | 2013年 / 41卷 / 08期

基金：

教育部留学回国人员科研启动基金;

关键词：

高光谱影像分类; 非负稀疏表达; 随机矩阵; 压缩感知;

D O I：

暂无

中图分类号：

P23 [摄影测量学与测绘遥感];

学科分类号：

081602 ; 0818 ; 081802 ; 083002 ;

摘要：

考虑到常规的高光谱影像稀疏表达分类模型的不足,提出随机矩阵-非负稀疏表达分类模型来提高高光谱影像的分类精度.通过引入随机矩阵来改善传统稀疏表达分类模型中测量矩阵以更好满足限制等距特性条件,同时限定系数向量的非负性以提高重构系数的可解释性.基于两个不同的高光谱数据集,对随机矩阵-非负稀疏表达分类模型采用三种方法进行系数重构,并对比常规稀疏表达分类模型的分类结果.实验证明,所提的模型能够明显提高常规稀疏表达分类模型的分类结果.同时,随机矩阵的投影维数对分类精度的影响研究实验表明,较大的投影维数能够保证该模型用以提高高光谱影像的分类精度.

引用

页码：1274 / 1280

页数：7

共 4 条

[1] 基于稀疏表示模型和自回归模型的高光谱分类
宋琳
程咏梅
赵永强
[J]. 光学学报, 2012, 32 (03) : 322 - 328
[2] 基于稀疏表示及光谱信息的高光谱遥感图像分类
宋相法
焦李成
[J]. 电子与信息学报, 2012, 34 (02) : 268 - 272
[3] Identification and quantification of aquatic vegetation with hyperspectral remote sensing in western Nevada rivers, USA[J] . Baek Soo Lee,KennethC. McGwire,ChristianH. Fritsen. International Journal of Remote Sensing . 2011 (24)
[4] Hyperspectral remote sensing for mineral exploration in Pulang, Yunnan Province, China[J] . CharlotteA. Bishop,Jian Guo Liu,PhilippaJ. Mason. International Journal of Remote Sensing . 2011 (9)

← 1 →