本文選題：圖像處理　切入點(diǎn)：高光譜圖像　出處：《激光與光電子學(xué)進(jìn)展》2017年12期 　論文類型：期刊論文

【摘要】：為了提高基于聯(lián)合稀疏表示的高光譜圖像的分類精度,提出一種基于鄰域相似度聯(lián)合稀疏表示的分類算法。與傳統(tǒng)的聯(lián)合稀疏表示算法相比,鄰域內(nèi)不同地物類別的像元對(duì)待測(cè)像元P的影響權(quán)重不同,依據(jù)鄰域內(nèi)的像元與像元P的相似程度,設(shè)定相似度閾值。通過(guò)聯(lián)合稀疏表示與像元P相似度高的像元來(lái)確定像元P的類別,然后進(jìn)一步利用空間信息修正分類算法,即關(guān)聯(lián)鄰近像元的類別,平滑分類結(jié)果。實(shí)驗(yàn)結(jié)果表明,基于鄰域相似度的聯(lián)合稀疏表示的分類算法精度更高,結(jié)果更穩(wěn)定。
[Abstract]:In order to improve the classification accuracy of hyperspectral images based on joint sparse representation, a joint sparse representation algorithm based on neighborhood similarity is proposed, which is compared with the traditional joint sparse representation algorithm. According to the similarity between the pixel and the pixel P in the neighborhood, the influence weight of the pixel to the pixel P in the neighborhood is different. Set similarity threshold. By combining sparse representation with pixels with high similarity to pixel P, we can determine the class of pixel P, and further use spatial information to modify the classification algorithm, that is, to associate the categories of adjacent pixels. The experimental results show that the algorithm based on neighborhood similarity is more accurate and stable.
【作者單位】： 長(zhǎng)安大學(xué)理學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(41571346,41601437,11201038)
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 何同弟;李見(jiàn)為;;基于自適應(yīng)稀疏表示的高光譜遙感圖像分類[J];系統(tǒng)工程與電子技術(shù);2013年09期

2 金煒;符冉迪;葉明;;過(guò)完備字典稀疏表示的云圖超分辨率算法[J];遙感學(xué)報(bào);2012年02期

3 宋相法;焦李成;;基于稀疏表示及光譜信息的高光譜遙感圖像分類[J];電子與信息學(xué)報(bào);2012年02期

4 劉建軍;吳澤彬;韋志輝;肖亮;孫樂(lè);;基于空間相關(guān)性約束稀疏表示的高光譜圖像分類[J];電子與信息學(xué)報(bào);2012年11期

5 秦振濤;楊武年;潘佩芬;;基于稀疏表示和自適應(yīng)字典學(xué)習(xí)的“高分一號(hào)”遙感圖像去噪[J];光電工程;2013年09期

6 殷飛;焦李成;;基于旋轉(zhuǎn)擴(kuò)展和稀疏表示的魯棒遙感圖像目標(biāo)識(shí)別[J];模式識(shí)別與人工智能;2012年01期

7 趙春暉;李曉慧;朱海峰;;空間4-鄰域稀疏表示的高光譜圖像目標(biāo)檢測(cè)[J];哈爾濱工程大學(xué)學(xué)報(bào);2013年09期

8 ;北方工業(yè)大學(xué)學(xué)報(bào)第25卷2013年總目次[J];北方工業(yè)大學(xué)學(xué)報(bào);2013年04期

9 王雷;金煒;何艷;;采用冗余字典稀疏表達(dá)的紅外與水汽云圖融合[J];寧波大學(xué)學(xué)報(bào)(理工版);2014年03期

10 陳雨時(shí);張曄;張鈞萍;;基于線性模型最優(yōu)預(yù)測(cè)的高光譜圖像壓縮[J];南京航空航天大學(xué)學(xué)報(bào);2007年03期

相關(guān)會(huì)議論文 前1條

1 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號(hào)處理及其研究進(jìn)展[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

2 黎勝亮;壓縮感知遙感視頻成像理論與方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

3 李濤;遙感影像稀疏表示中的字典學(xué)習(xí)算法及其應(yīng)用[D];華中科技大學(xué);2015年

4 普晗曄;高光譜遙感圖像的解混理論和方法研究[D];復(fù)旦大學(xué);2014年

5 賀智;改進(jìn)的經(jīng)驗(yàn)?zāi)B(tài)分解算法及其在高光譜圖像分類中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2014年

6 葉珍;高光譜圖像特征提取與分類算法研究[D];西北工業(yè)大學(xué);2015年

7 馮婕;基于軟計(jì)算和互信息理論的遙感圖像地物分類[D];西安電子科技大學(xué);2014年

8 曲海成;面向光譜解混的高光譜圖像快速處理技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

9 王忠良;基于線性混合模型的高光譜圖像壓縮感知研究[D];西北工業(yè)大學(xué);2015年

10 賀霖;高光譜圖像自動(dòng)目標(biāo)檢測(cè)技術(shù)研究[D];西北工業(yè)大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 程丹丹;基于自適應(yīng)稀疏表示的振動(dòng)信號(hào)壓縮采樣研究與應(yīng)用[D];寧波大學(xué);2015年

2 查方興;基于稀疏表示和空間約束的高光譜遙感圖像分類方法研究[D];西安電子科技大學(xué);2014年

3 周千琪;基于稀疏表示和半監(jiān)督主動(dòng)學(xué)習(xí)的小樣本高光譜數(shù)據(jù)分類問(wèn)題研究[D];北方民族大學(xué);2016年

4 劉佳彬;基于稀疏表示的高光譜圖像分類和異常檢測(cè)研究[D];北京化工大學(xué);2016年

5 云智強(qiáng);高光譜遙感圖像的稀疏表示分類方法研究[D];西安電子科技大學(xué);2015年

6 李迎雪;基于稀疏表示的管道缺陷超聲復(fù)合陣列成像研究[D];江蘇大學(xué);2017年

7 李文杰;基于稀疏重構(gòu)的空氣中超聲波達(dá)方向估計(jì)及其并行化研究[D];西南科技大學(xué);2017年

8 郝曉婷;基于學(xué)習(xí)字典稀疏表示的遙感圖像分類算法研究與應(yīng)用[D];北方民族大學(xué);2014年

9 付歡;高光譜圖像的稀疏表示和壓縮算法研究[D];河北大學(xué);2014年

10 何苗;基于稀疏表示的高分辨率遙感影像人工目標(biāo)識(shí)別算法研究[D];云南師范大學(xué);2017年

，

本文編號(hào)：1634998