基于Fisher字典学习稀疏表示的高光谱图像分类

作     者：袁宗泽 孙浩 计科峰 邹焕新 Yuan Zongze;Sun Hao;Ji Kefeng;Zou Huanxin

作者机构：国防科学技术大学电子科学与工程学院湖南长沙410073 

出 版 物：《遥感技术与应用》 (Remote Sensing Technology and Application)

年 卷 期：2014年第29卷第4期

页      面：646-652页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：CAST创新基金项目"基于压缩感知的超高分辨率遥感成像与处理方法研究"(CAST201216) 

主　　题：高光谱图像分类 稀疏表示 Fisher字典学习 空间相关性 

摘      要：近年基于稀疏表示的分类框架(Sparse Representation based Classification,SRC)在计算机视觉和模式识别领域取得了巨大成功,高光谱图像解译也逐渐引入稀疏表示方法。针对基于SRC的高光谱图像分类算法随机抽取训练样本构成字典较难捕获相似类别的相对差异性信息问题,提出采用Fisher字典学习方法增强相似类训练样本的可区分性。此外,考虑到高光谱图像具有较强空间相关性的特点,设计一种简单有效的投票策略进行类别判决。大量实验表明:基于Fisher字典学习的联合投票分类方法能够较好地改善高光谱分类精度。