基于结构性字典学习的高光谱遥感图像分类.pdfVIP

　 　 　 　 　 　 　 第卷第期 西南交通大学学报 ５０ 　 ２ Ｖｏｌ．５０　 Ｎｏ．２ ２０１５年４月　 　 　 　 　 　 ＪＯＵＲＮＡＬ ＯＦ ＳＯＵＴＨＷＥＳＴ ＪＩＡＯＴＯＮＧ ＵＮＩＶＥＲＳＩＴＹ　 　 　 　 　 　 Ａｐｒ． ２０１５ 　 　 文章编号：０２５８２７２４（２０１５）０２０３３６０６　 　 ＤＯＩ：１０．３９６９／ ｊ．ｉｓｓｎ．０２５８２７２４．２０１５．０２．０２０ 基于结构性字典学习的高光谱遥感图像分类 １，２ １ ２ １ １ 秦振涛，杨武年，杨茹，潘佩芬，邓琮 　 　 　 　 　 　 （ 成都理工大学国土资源部地学空间信息技术重点实验室，四川成都 ； 攀枝花学院，四川攀枝花 １． ６１００５９ ２． ６１７０００） 摘　 要：为提高高光谱遥感图像的分类精度，提出了一种新的结构性稀疏表示及字典学习的高光谱遥感图像分 类方法．该方法能同时利用高光谱遥感图像像素间的空间及光谱关系得到表示每个像素的字典，被划分为同一 像素组的像素具有通用的稀疏模式；由字典计算图像的稀疏表示系数获得遥感图像的稀疏表示特征；利用线性 支持向量机算法实现对高光谱遥感图像的分类对 和 高光谱遥感图像进行的实验结果表明：提出 ． ＡＶＩＲＩＳ ＲＯＳＩＳ 的方法比普通字典学习分类精度分别提高０．０４１ １和０．０４６ ６，Ｋａｐｐａ系数分别提高０．１７９ ３和０．０５６ ３． 关键词：高光谱遥感图像；结构性字典学习；支持向量机；分类 中图分类号：ＴＰ７５１　 　 文献标志码：Ａ Ｈｙｐｅｒｓｐｅｃｔｒａｌ Ｉｍａｇｅ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｓｔｒｕｃｔｕｒｅｄ Ｄｉｃｔｉｏｎａｒｙ Ｌｅａｒｎｉｎｇ １，２ １ ２ １ １ ＱＩＮ Ｚｈｅｎｔａｏ ，　 ＹＡＮＧ Ｗｕｎｉａｎ ，　 ＹＡＮＧＲｕ ，　 ＰＡＮ Ｐｅｉｆｅｎ ，　 ＤＥＮＧ Ｃｏｎｇ （１． Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｇｅｏｌｏｇｉｃａｌ Ｓｐａｔｉａｌ ＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，Ｍｉｎｉｓｔｒｙ ｏｆ Ｌａｎｄ ａｎｄ Ｒｅｓｏｕｒｃｅｓ，Ｃｈｅｎｇｄｕ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ６１００５９，Ｃｈｉｎａ；２． Ｐａｎｚｈｉｈｕａ Ｃｏｌｌｅｇｅ，Ｐａｎｚｈｉｈｕａ６１７０００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｃｃｕｒａｃｙ ｏｆ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｅｓ，ａ ｎｅｗ ｓｔｒｕｃｔｕｒｅｄ ｄｉｃｔｉｏｎａｒｙｂａｓｅｄ ｍｅｔｈｏｄ ｆｏｒ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｗａｓ ｐｒｏｐｏｓｅｄ． Ｔｈｉｓ ｍｅｔｈｏｄ ｉｎｃｏｒｐｏｒａｔｅｓ ｂｏｔｈ ｓｐａｔｉａｌ ａｎｄｓｐｅｃｔｒａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｅｓｔｏｏｂｔａｉｎａｄｉｃｔｉｏｎａｒｙｏｆ ｅａｃｈｐｉｘｅｌ，ｔｈｅ ； ｐｉｘｅｌｓ ｉｎ