用于高光谱图像分类的核任务驱动字典学习

字典学习算法已成功用于重建和判别任务，其中输入信号由少量字典原子的线性组合表示。虽然这些方法通常在输入域中在 $\ell_1$ 稀疏约束（先验）下开发，最近研究已证明在核域中使用结构化稀疏先验的稀疏表示的优点。在本文中，我们提出一种用于高光谱图像分类的核域监督字典学习算法。在提出的公式中，为最优分类性能联合获得字典和分类器。监督公式由任务驱动，并提供来自高光谱数据的学习特征，这些特征非常适合于分类任务。此外，提出的算法使用联合($\ell_{12}$)稀疏先验来强制相邻像素间的协作。仿真结果说明了所提字典学习算法的效率。