基于稀疏表示和学习图正则的高光谱图像特征提取
Feature Extraction of Hyperspectral Image Based on Sparse Representation and Learning Graph Regularity作者机构：上海海洋大学信息学院上海201306 上海电力大学上海200090 自然资源部东海预报中心上海200136
出 版 物：《光子学报》 (Acta Photonica Sinica)
年 卷 期：2021年第50卷第4期
页 面：241-253页
核心收录：
学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理]
基 金：国家自然科学基金(Nos.61972240,41906179) 上海市科委部分地方高校能力建设项目(No.20050501900)
主 题：高光谱图像 特征提取 稀疏表示 局部判别信息 学习图正则
摘 要：针对传统局部特征提取算法难以确定邻域参数,以及仅考虑数据间的单一结构而漏掉重要信息的问题,提出一种基于稀疏表示和学习图正则的局部判别与全局稀疏保持投影算法。该算法首先对稀疏表示模型施加基于学习的图正则器,用该改进的稀疏表示模型自适应揭示样本数据间的局部线性结构,通过局部判别模型全局集成算法来提取局部线性结构中的判别信息;利用基于学习图正则稀疏表示模型构建的新型稀疏图来揭示数据间的全局稀疏结构;使得数据的局部判别结构和全局稀疏结构在低维特征空间得以保持。通过1-近邻和支持向量机分类器对实验结果进行评估,在PaviaU和Indian Pines两个高光谱公共数据集上的实验显示,提出的局部判别与全局稀疏保持投影算法较对比算法取得了最好的性能,由于提取了全局和局部的判别信息,有效提升了高光谱图像的地物分类精度。
维普期刊数据库
同方期刊数据库