收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于核稀疏表示的高光谱图像分类

徐春华  
【摘要】:随着遥感技术的迅速发展,高光谱遥感技术在军事应用和民事应用等多个领域中占有非常重要的地位.由于高光谱数据具有维数高、样本少、存在冗余和噪声波段的特点,所以联合稀疏表示方法在高光谱数据处理上的应用得到了广泛的关注.但是对于高光谱图像边界像素以及非线性可分的数据集进行有效分类还需改进,因此改善高光谱图像的分类效果在实际应用中具有重要意义.本文在已有核联合稀疏表示算法的基础上,探讨了在此基础上进行加权的方法,提出了一种加权联合稀疏表示方法.注意到对于图像边缘像素,其邻域中通常含有一些异质像素,如背景噪声和异类像素等,这些异质像素影响稀疏表示模型.因此,在这些情况下,将它们视为对中央测试像素的分类过程有同等贡献,这对准确进行分类是不利的.值得注意的是,权重反映了相邻像素和中央测试像素之间的相关性,则为中心测试像素的每个邻域像素分配适当的权重,有利于中心测试像素的准确分类.利用高光谱图像邻域像素的相似性,在测试象素的分类过程中,邻域像素的权重和稀疏表示的系数在一个正则化稀疏模型中进行优化,能够获得具有良好核稀疏表示能力的自适应权值.在加权核稀疏表示分类算法中,仅考虑了测试像素的空间邻域,进一步讨论利用空间邻域所有的训练和测试像素,提出了一种优化近邻正则化加权核联合稀疏表示分类算法.本文在Indian Pines和Pavia大学两幅高光谱遥感数据上对提出的算法进行测验,采用总体精度、平均精度和kappa系数的评价标准去衡量算法性能.在上述两幅高光谱遥感图像数据中,讨论了算法某些参数对实验结果的影响.实验结果表明,优化近邻正则化加权核联合稀疏表示充分利用了邻域像素对中心测试像素的贡献,分类精度有了一定的提高,分类性能优于现有的核稀疏表示分类算法.


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 Fang LI;Jia SHENG;San-yuan ZHANG;;基于稀疏表示的拉普拉斯稀疏字典图像分类(英文)[J];Frontiers of Information Technology & Electronic Engineering;2017年11期
2 黄宏图;毕笃彦;侯志强;胡长城;高山;查宇飞;库涛;;基于稀疏表示的视频目标跟踪研究综述[J];自动化学报;2018年10期
3 刘嘎琼;;改进稀疏表示的人脸识别在高校管理中的应用[J];计算机与数字工程;2018年11期
4 余庆辉;朱晗琰;吴海霞;戈晓玲;潘逸炜;;基于类内稀疏表示的人脸识别[J];科技展望;2015年32期
5 滕升华;商胜楠;王芳;赵增顺;;一种基于复合稀疏表示的阿尔茨海默病的诊断方法[J];生物医学工程研究;2016年01期
6 黄宏图;毕笃彦;高山;查宇飞;侯志强;;基于局部敏感核稀疏表示的视频跟踪[J];电子与信息学报;2016年04期
7 张保庆;穆志纯;曾慧;;基于非负稀疏表示的遮挡人耳识别[J];计算机辅助设计与图形学学报;2014年08期
8 张石清;赵小明;楼宋江;闯跃龙;郭文平;陈盈;;一种局部敏感的核稀疏表示分类算法[J];光电子.激光;2014年09期
9 陈思宝;许立仙;罗斌;;基于多重核的稀疏表示分类[J];电子学报;2014年09期
10 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
11 王威;朱宗玖;陆俊;;基于字典学习和局部约束的稀疏表示人脸识别[J];电脑知识与技术;2018年05期
12 韦道知;黄树彩;赵岩;庞策;;非负谱稀疏表示的高光谱成像中的异常检测[J];红外与激光工程;2016年S2期
13 王科平;杨赞亚;恩德;;基于分类冗余字典稀疏表示的图像压缩方法[J];计算机工程;2017年09期
14 王学军;王文剑;曹飞龙;;基于自步学习的加权稀疏表示人脸识别方法[J];计算机应用;2017年11期
15 黄少煌;黄立勤;;改进的两阶段协作稀疏表示分类器[J];南阳理工学院学报;2016年02期
16 胡正平;高红霄;赵淑欢;;基于低秩分解的联合动态稀疏表示多观测样本分类算法[J];电子学报;2015年03期
中国重要会议论文全文数据库 前10条
1 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
2 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年
3 田野;张立新;严涛;杨志梅;张茁;;基于稀疏表示的北斗导航卫星预失真滤波器设计方法[A];第九届中国卫星导航学术年会论文集——S08 测试评估技术[C];2018年
4 肖琼;黄永言;;稀疏表示在脑电信号处理中的应用研究现状[A];人-机-环境系统工程创立30周年纪念大会暨第十一届人-机-环境系统工程大会论文集[C];2011年
5 赵雪峰;孙成禹;;基于稀疏表示的地震多属性融合[A];2016中国地球科学联合学术年会论文集(十九)——专题40:油气田与煤田地球物理勘探[C];2016年
6 廖佳俊;刘志刚;蔡尚;姜江军;;基于非负—平滑约束的高光谱稀疏表示目标检测算法研究[A];国家安全地球物理丛书(十二)——地球物理与信息感知[C];2016年
7 蒙红英;柴昱洲;韩宇;;一种基于稀疏表示的JPEG-LS改进算法[A];第四届高分辨率对地观测学术年会论文集[C];2017年
8 柴汉超;郭翌;汪源源;曹万里;孙福康;;基于多尺度稀疏表示分割肾上腺肿瘤CT图像[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
9 余力;郭翌;汪源源;陈萍;;基于超声心动图序列的胎儿左心室分割[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
10 林哲;闫敬文;袁野;;基于稀疏表示和PCNN的多模态图像融合[A];创新驱动与转型发展,推动汕头腾飞——汕头市科协第七届学术年会优秀论文集[C];2014年
中国博士学位论文全文数据库 前10条
1 张岩;基于稀疏表示的油气地震勘探数据重建与去噪方法研究[D];东北石油大学;2018年
2 赵永红;基于稀疏表示的阵列信号空间谱估计方法研究[D];西安电子科技大学;2017年
3 任博;基于稀疏表示和流形学习的SAR图像分类算法研究[D];西安电子科技大学;2017年
4 程增飞;基于压缩感知的阵列信号处理技术研究[D];西安电子科技大学;2017年
5 吴晓欢;基于稀疏表示的波达方向估计理论与方法研究[D];南京邮电大学;2017年
6 王秀红;基于稀疏表示的波达方向估计方法研究[D];哈尔滨工业大学;2017年
7 王伟;基于帧级和段级稀疏表示的说话人识别研究[D];哈尔滨工业大学;2016年
8 涂淑琴;基于稀疏表示的RGB-D图像特征学习研究与应用[D];华南农业大学;2016年
9 李窦哲;基于L-DACS1数据链的航空电信网协同传输关键技术研究[D];天津大学;2017年
10 石保顺;基于自适应稀疏表示的压缩感知及相位恢复算法研究[D];燕山大学;2017年
中国硕士学位论文全文数据库 前10条
1 刘程忠;模块化稀疏表示在复杂情境下的人脸识别算法研究与应用[D];湖南大学;2018年
2 赵城;基于稀疏表示和深度学习的单通道语音信号分离技术研究[D];南京邮电大学;2018年
3 曹雯雯;基于多特征融合的稀疏表示目标追踪方法的研究[D];南京邮电大学;2018年
4 秦子雨;基于稀疏表示的高分辨率方法研究[D];西南石油大学;2018年
5 徐春华;基于核稀疏表示的高光谱图像分类[D];湖北大学;2018年
6 王业祥;基于双向稀疏表示的目标跟踪算法研究[D];湖南工业大学;2018年
7 蒋潇滢;基于低秩变异字典和反投影组稀疏表示的肿瘤分类[D];河南大学;2018年
8 张良;基于稀疏表示的地震数据重构和去噪方法研究[D];吉林大学;2018年
9 孟美玲;基于稀疏表示的高光谱图像目标检测研究[D];哈尔滨工程大学;2018年
10 张佳娥;基于稀疏表示的图像融合算法[D];长沙理工大学;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978