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
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,
' |3 f  ]" T* h: t+ _1 V: _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
- f- C4 `9 S2 D9 F1 t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。
关键词：高光谱图像分类；压缩表示；低秩矩阵恢复
1 ^! j$ H, U. |/ ]6 N1 引言
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
1 _0 t: [% e2 }" t$ L) g, W, @感领域，这种分类是指为空间位置上的每个像素分
0 q( }  P+ ~$ v- {) D配一个标签，表明该像素的地物类别，其结果可用
于目标探测或感兴趣区域的提取。高光谱图像为地


( O3 f; ?  x. ?7 f* H- o
1 W. B/ R% u) }/ o+ X

2 U# _5 |, H4 W, z9 `7 ^附件下载:

游客，如果您要查看本帖隐藏内容请回复

7 n4 t/ O4 S7 n7 M4 t/ {. x

crime

谢谢分享