文献类型：期刊文章

作　　者：徐佳庆[1] 万文[2] 吕启[3]

XU Jia-qing;WAN Wen;LV Qi(School of Computer,National University of Defense Technology,Changsha 410073,China;National Supercomputer Center in Guangzhou,Guangzhou 510006,China;Unit 31104 of PLA,Nanjing 210016,China)

机构地区：[1]国防科技大学计算机学院,长沙410073 [2]中山大学国家超级计算广州中心,广州510006 [3]中国人民解放军31104部队,南京210016

出　　处：《计算机科学》

基　　金：本文受国家863计划(2015AA015302),国家自然科学基金面上项目(61572509)资助。

年　　份：2018

卷　　号：45

期　　号：9

起止页码：288-293

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：高光谱遥感技术是当前遥感领域的前沿技术,将稀疏编码应用于高光谱遥感图像处理是近年来高光谱信息处理的一个热点研究方向。以提升高光谱遥感图像分类准确度为目标,提出一种基于二阶矩空谱联合稀疏编码的遥感图像分类方法。首先从各地物参考数据中选取训练样本,通过学习构造得到字典,然后在训练得到的字典的基础上通过稀疏编码获得每个像元的稀疏系数,之后将稀疏系数作为分类器的输入,通过分类器的分类判决得到最终的分类结果。利用北京市朝阳地区的天宫一号可见近红外高光谱遥感图像数据和KSC高光谱数据,将该方法与支持向量机(SVM)、基于光谱维信息的稀疏编码以及一阶矩空谱联合稀疏编码等方法进行了比较。实验结果表明,提出的分类方法较其他几种方法可以取得更好的分类效果,在天宫一号和KSC数据上的总体分类精度分别可达到95.74%和96.84%,Kappa系数分别可达到0.9476和0.9646。

关 键 词：高光谱遥感图像 分类  稀疏编码  

分 类 号：TP751]