通常,传统的监督高光谱图像(HSI)分类不能同时充分利用空间和光谱特征。 在本文中,我们根据稀疏可分离卷积滤波学习问题重新构造了HSI特征学习,并提出了稀疏可分离卷积分类模型(SSCCM)。 在提出的SSCCM中,稀疏可分卷积学习模块(SSCLM)用于提取鲁棒的空间光谱特征,并利用秩一张量分解学习机制来加速特征计算。 而SVM分类模块(SVMCM)使用3D空间光谱特征数组来表示用于分类的HSI。 在广泛使用的HSI数据集上的实验结果表明,我们提出的方法优于最新的分类方法。
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~