高光谱遥感影像混合字典学习与多任务结构化稀疏表示分类
高光谱遥感影像具有图谱合一的有点,能够以较高的光谱争端能力对地物目标进行精细分类与识别,大大增强了地物信息的提取能力.近年来,随着对地观测传感技术的不断发展,高光谱遥感影像的空间分辨率正在逐步提升,影像空间细节特征得到更加精确表达,地物的纹理、形状、次存以及相邻地物的拓扑关系得到更清晰的呈现.利用空-谱关系构造多源遥感特征能够有效的提高高光谱遥感影像的解译精度.在本文中作者将进一步构造混合字典-分类器学习一体化过程，在不同类别源表示系数之间的类别唯一性构造紧致稀疏约束。通过实验，可以发现所提方法能够有效的利用各类训练样本获得合理的分类结果，并能够大大的提高分类效率，具有相当的优越性。
高光谱遥感影像 多源融合 字典学习 稀疏表示分类
李家艺 张良培
武汉大学测绘遥感信息工程国家重点实验室 武汉大学地球空间信息技术协同创新中心
国内会议
西安
中文
143-145
2015-09-01（万方平台首次上网日期，不代表论文的发表时间）