高光谱影像的非局部加权联合稀疏表示分类方法

所需积分/C币:9 2021-04-29 15:21:15 2.08MB PDF
3
收藏 收藏
举报

作为一种强大而有前途的统计信号建模技术,稀疏表示已广泛应用于各种图像处理和分析领域。 对于高光谱图像分类,以前的研究已经表明了基于稀疏性的分类方法的有效性。 本文提出了一种非局部加权联合稀疏表示分类方法(NLW-JSRC),以提高高光谱图像分类的效果。 在联合稀疏模型​​(JSM)中,对中央测试像素周围的不同相邻像素使用不同的权重。 一个特定的相邻像素的权重由相邻像素和中央测试像素之间的结构相似性确定,这被称为非局部加权方案。 本文采用同时正交匹配追踪技术求解非局部加权联合稀疏模型​​(NLW-JSM)。 在三个高光谱图像上测试了所提出的分类算法。 实验结果表明,该算法的性能优于其他基于稀疏性的算法和经典的支持向量机高光谱分类器。

...展开详情
试读 10P 高光谱影像的非局部加权联合稀疏表示分类方法
立即下载
限时抽奖 低至0.43元/次
身份认证后 购VIP低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
高光谱影像的非局部加权联合稀疏表示分类方法 9积分/C币 立即下载
1/10
高光谱影像的非局部加权联合稀疏表示分类方法第1页
高光谱影像的非局部加权联合稀疏表示分类方法第2页

试读结束, 可继续读1页

9积分/C币 立即下载