基于低秩结构提取的高光谱图像压缩表示

BillScot2

摘 要：为实现高效、精准的高光谱图像分类，该文利用低秩矩阵恢复从原始数据中提取低维特征，实现高光谱图
+ A9 w" |' t* q6 K/ X1 v$ W像的压缩表示。针对高光谱应用的特殊性，该文算法基于结构相似性度量(Structural Similarity Index Measurement,
' g( n: _9 Q7 Q+ }" _SSIM)对矩阵恢复过程提出了信噪分离约束，有助于选择更优的模型参数，增强表示的准确性。实验证明，相比现
有相关方法，该文算法能够有效去除高光谱图像中的噪声，表示结果更为鲁棒；在仅使用低维特征时，仍能达到较
高的分类精度。
- L# J  M) A# |' H关键词：高光谱图像分类；压缩表示；低秩矩阵恢复
1 引言
2 A9 W7 S* V7 P6 ~) z' \* D高光谱图像分类是信号处理、机器学习和计算
机视觉等多学科交叉的研究热点之一，在生态研究、
地质探测、军事侦查等方面均有重要应用[1,2]。在遥
9 N7 n. L6 j5 B5 b# ?3 `6 A感领域，这种分类是指为空间位置上的每个像素分
  v  ?6 |' n( ~9 r0 \配一个标签，表明该像素的地物类别，其结果可用
# e! f) D0 e2 x% k; a于目标探测或感兴趣区域的提取。高光谱图像为地
: ~. y) s3 B9 O6 Z9 f) h
( F8 L2 g5 f+ }- H& p" J


# G( {. B  |' W$ \
附件下载:

游客，如果您要查看本帖隐藏内容请回复

& L0 ~) }& m6 T6 M- ]( i

crime

谢谢分享