稀疏表示是一種新型的數(shù)據(jù)挖掘技術(shù),與傳統(tǒng)算法相比,稀疏表示類算法更善于發(fā)現(xiàn)隱藏在數(shù)據(jù)背后的知識,具有優(yōu)秀的特征發(fā)現(xiàn)和保持能力,近年來成為多領(lǐng)域的研究熱點。然而,各領(lǐng)域?qū)Υ思夹g(shù)的表征和描述不盡相同,不利于遙感高光譜圖像處理領(lǐng)域的擴展,應(yīng)用潛力有待深挖。該文在對生物視覺、統(tǒng)計學(xué)以及機器學(xué)習(xí)等領(lǐng)域中稀疏表示的理論基礎(chǔ)、研究進展進行總結(jié)的基礎(chǔ)上,提出了遙感適用的稀疏表示框架,就稀疏表示的模型進行了系統(tǒng)而詳盡的描述,重點介紹了稀疏編碼及字典學(xué)習(xí)兩個關(guān)鍵問題�；谙∈璞硎具b感應(yīng)用適用性及應(yīng)用潛力分析的需求,梳理了稀疏表示模型遙感領(lǐng)域的應(yīng)用,重點分析并統(tǒng)計了高光譜各分支的應(yīng)用熱點與難點。最后,對稀疏表示框架的優(yōu)勢以及高光譜遙感圖像處理應(yīng)用面臨的問題進行了總結(jié)。 

【文章來源】：計算機技術(shù)與發(fā)展. 2020,30(10)

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 稀疏表示的多領(lǐng)域研究基礎(chǔ)及應(yīng)用
2 數(shù)學(xué)模型
    2.1 稀疏編碼
    2.2 字典及字典學(xué)習(xí)
3 稀疏表示模型高光譜遙感圖像應(yīng)用
4 結(jié)束語


【參考文獻】：
期刊論文
[1]高噪聲遙感圖像稀疏去噪重建[J]. 張杰,史小平,張煥龍,耿盛濤.  哈爾濱工業(yè)大學(xué)學(xué)報. 2019(10)
[2]空-譜協(xié)同正則化稀疏超圖嵌入的高光譜圖像分類[J]. 黃鴻,陳美利,王麗華,李政英.  測繪學(xué)報. 2019(06)
[3]高光譜遙感影像稀疏表示與字典學(xué)習(xí)分類研究[J]. 甘樂.  地理與地理信息科學(xué). 2019(01)
[4]混合全變差和低秩約束下的高光譜圖像復(fù)原[J]. 謝曉振,徐鵬,彭真,張雯佳.  中國圖象圖形學(xué)報. 2017(11)
[5]高光譜圖像處理與信息提取前沿[J]. 張兵.  遙感學(xué)報. 2016(05)
[6]高光譜圖像稀疏信息處理綜述與展望[J]. 張良培,李家藝.  遙感學(xué)報. 2016(05)
[7]高光譜圖像半監(jiān)督局部稀疏嵌入降維算法[J]. 趙春暉,崔曉辰,齊濱.  沈陽大學(xué)學(xué)報(自然科學(xué)版). 2014(06)

博士論文
[1]高光譜圖像的稀疏解混方法研究[D]. 徐盈盈.華東師范大學(xué) 2018



本文編號：3125458