联合协作表示与多任务学习的高光谱图像分类

在本文中，我们提出了一种多任务学习的联合协作表示（CR）分类方法，用于高光谱图像。 所提出的方法包括以下方面。 首先，从高光谱图像中提取几个互补特征。 接下来，我们将这些功能应用于基于多任务学习的统一CR框架中，以获取每个功能的表示向量和自适应权重。 最后，将图像的上下文邻域信息合并到每个特征中，以进一步提高分类性能。 实验结果表明，该算法具有较好的性能，优于其他基于回归的分类器和经典的支持向量机分类器。