基于空间相关性约束稀疏表示的高光谱图像分类 - 电子与信息学报.pdfVIP

第34 卷第11 期 电 子 与 信 息 学 报 Vol.34No.11 2012 年11 月 Journal of Electronics Information Technology Nov. 2012 基于空间相关性约束稀疏表示的高光谱图像分类 刘建军 吴泽彬* 韦志辉 肖 亮 孙 乐 (南京理工大学计算机学院 南京 210094) 摘 要：该文提出一种新的基于稀疏表示的高光谱图像分类方法。首先利用训练数据构造结构化字典，建立基于稀 疏表示的高光谱图像分类模型；然后添加空间相关性约束项和训练数据的空间信息，提高稀疏表示模型分类的准确 性；最后采用快速的交替方向乘子法求解模型。实验结果表明：该文方法能够有效提高分类精度，且分类结果稳定。 关键词：高光谱图像；稀疏表示；分类；空间相关性 中图分类号：TP751 文献标识码： A 文章编号：1009-5896(2012)11-2666-06 DOI: 10.3724/SP.J.1146.2012.00577 Spatial Correlation Constrained Sparse Representation for Hyperspectral Image Classification Liu Jian-jun Wu Ze-bin Wei Zhi-hui Xiao Liang Sun Le (School of Computer Science and Technology, Nanjing University of Science and Technology, Nanjing 210094, China) Abstract: A novel classification method of hyperspectral image based on sparse representation is proposed. First, the training data is used to design a structured dictionary, and a classification model of hyperspectral image is built based on sparse representation; Then the spatial correlation and the spatial information of training data are added to improve the accuracy of this model; Finally it is solved by the rapid alternating direction method of multipliers. The experimental results show that the proposed method can improve the classification results, and the results are stable. Key words: Hyperspectral image; Sparse representation; Classification; Spatial correlation 1 引言 类的过程中没有充分挖掘图像空间相邻数据之间的 在高光谱场景中，遥感器可以从可见光到红外 信息。有学者尝试对 SVM 方法进行改进，采用修 光谱区域数百个狭窄且连续的波段上，获取数字图 改核函数的方法[6,7]，将高光谱图像的空间信息加入 像。高光谱图像中的每个像元都以向量形成存在， 分类中，获得了较好的分类结果。 随着压缩感知和稀疏