基于子空间字典偶学习的高光谱图像分类

摘要：

针对高光谱高分辨率带来巨大数据量和空间分辨率引起混合像元的问题,提出了基于子空间(subspace)的字典偶学习(DPL)算法,简称DPLsub算法.DPL算法是对字典学习的改进,它通过学习得到综合字典和分析字典,在模式识别中体现了高效性,而子空间投影的方法能更好地表征噪声和高度混合的像元.将光谱和空间特征融合的方法用于分类研究试验.实验数据是两幅高光谱影像,比较了子空间字典偶学习(DPLsub)模型和其他三种分类器即最小二乘支持向量机(LS-SVM)、稀疏多分类回归(SMLR)和字典学习(DL-OMP)的分类结果.实验结果显示,DPLsub算法无论在时间上还是精度上都优于其他算法,证明了这种子空间字典偶学习方法对高光谱图像分类的可行性与高效性.

关键词：高光谱图像分类、子空间投影、混合像元、字典偶学习(DPL)、多特征融合

所属期刊栏目：26

分类号：TN9;TP3

资助基金：国家自然科学基金61273019,61473339;河北省自然科学基金F2013203368;中国博士后科学基金面上项目2014M561202;河北省博士后专项项目B2014010005;河北省青年拔尖人才支持计划[2013]17

在线出版日期：2016-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：483-490