用于高光谱图像分类的判别性鲁棒深度字典学习
图像与视频处理
2019-12-24 v1 计算机视觉与模式识别
机器学习
摘要
本文提出了一种专为高光谱图像分类定制的深度学习新框架。我们以鲁棒方式学习多层字典。最后一层为判别层，学习一个线性分类器。训练以贪心方式进行，每次仅学习单层字典，并将其系数用于训练下一层。最终层的系数用于分类。通过最小化绝对偏差而非更常用的欧氏范数来引入鲁棒性。这种内建的鲁棒性有助于抑制高光谱图像中存在的混合噪声（高斯与稀疏噪声）。结果表明，我们提出的技术优于所有其他深度学习方法：深度信念网络（DBN）、栈式自编码器（SAE）和卷积神经网络（CNN）。实验在基准高光谱成像数据集上进行。
引用
@article{arxiv.1912.10803,
title = {Discriminative Robust Deep Dictionary Learning for Hyperspectral Image Classification},
author = {Vanika Singhal and Hemant K. Aggarwal and Snigdha Tariyal and Angshul Majumdar},
journal= {arXiv preprint arXiv:1912.10803},
year = {2019}
}
备注
Final version accepted at IEEE Transactions on Geosciences and Remote Sensing