首頁 > 期刊 > 自然科學與工程技術 > 信息科技 > 電子信息科學綜合 > 微電子學與計算機 > 基于多任務聯合稀疏表示的高光譜圖像分類算法 【正文】
基于多任務聯合稀疏表示的高光譜圖像分類算法
賈立麗; 張升偉; 何杰穎; 李娜 中國科學院國家空間科學中心微波遙感技術重點實驗室; 北京100190; 中國科學院國家空間科學中心; 北京100190; 中國科學院大學; 北京100149
- 多任務學習
- 稀疏表示
- 高光譜圖像
- 圖像分類
摘要：為了充分提取高光譜圖像豐富的光譜信息,盡可能降低光譜冗余,同時保留較多有效判別信息.基于高光譜圖像單波段的譜間相似性,提出了基于多任務學習和稀疏表示的分類算法.該方法將光譜間的冗余特性轉化為有效信息加以利用,使用波段交叉分組策略構建子任務,并引入稀疏表示模型將所有分類任務進行聯合表示,最終根據所有任務的累積殘差確定測試樣本的類別.實驗對比分析了多任務聯合表示分類和單任務分類的準確率.結果表明,基于多任務聯合稀疏表示模型的分類性能優于單任務模型.
- 多任務學習
- 稀疏表示
- 高光譜圖像
- 圖像分類
摘要：為了充分提取高光譜圖像豐富的光譜信息,盡可能降低光譜冗余,同時保留較多有效判別信息.基于高光譜圖像單波段的譜間相似性,提出了基于多任務學習和稀疏表示的分類算法.該方法將光譜間的冗余特性轉化為有效信息加以利用,使用波段交叉分組策略構建子任務,并引入稀疏表示模型將所有分類任務進行聯合表示,最終根據所有任務的累積殘差確定測試樣本的類別.實驗對比分析了多任務聯合表示分類和單任務分類的準確率.結果表明,基于多任務聯合稀疏表示模型的分類性能優于單任務模型.
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
