文件名称：高光谱影像的非局部加权联合稀疏表示分类方法
文件大小：2.08MB
文件格式：PDF
更新时间：2024-05-19 09:07:55
Classification; hyperspectral imagery; joint sparse
作为一种强大而有前途的统计信号建模技术，稀疏表示已广泛应用于各种图像处理和分析领域。 对于高光谱图像分类，以前的研究已经表明了基于稀疏性的分类方法的有效性。 本文提出了一种非局部加权联合稀疏表示分类方法（NLW-JSRC），以提高高光谱图像分类的效果。 在联合稀疏模型（JSM）中，对*测试像素周围的不同相邻像素使用不同的权重。 一个特定的相邻像素的权重由相邻像素和*测试像素之间的结构相似性确定，这被称为非局部加权方案。 本文采用同时正交匹配追踪技术求解非局部加权联合稀疏模型（NLW-JSM）。 在三个高光谱图像上测试了所提出的分类算法。 实验结果表明，该算法的性能优于其他基于稀疏性的算法和经典的支持向量机高光谱分类器。