用于高光谱图像分类的局部与结构正则化低秩表示
计算机视觉与模式识别
2019-05-08 v1 图像与视频处理
摘要
高光谱图像（HSI）分类旨在为高光谱像素分配准确标签，近年来引起极大兴趣。尽管低秩表示（LRR）已用于 HSI 分类，但其从整个 HSI 数据中分割每一类的能力尚未被充分利用。LRR 具有良好的捕捉原始数据中隐含低维子空间的能力。然而，LRR 仍存在两个缺陷。第一，LRR 未考虑数据内部的局部几何结构，使相邻数据间的局部关联易被忽略。第二，通过求解 LRR 得到的表示不足以区分不同数据。本文提出一种新颖的局部与结构正则化低秩表示（LSLRR）模型用于 HSI 分类。为克服上述局限，我们提出局部约束准则（LCC）与结构保持策略（SPS）以改进经典 LRR。具体而言，我们引入一种结合空间与光谱特征的新距离度量，以探索像素的局部相似性。从而可充分挖掘 HSI 数据的全局与局部结构。此外，我们提出结构约束使表示具有近块对角结构。这有助于直接确定最终分类标签。我们在三个流行 HSI 数据集上进行了大量实验。实验结果表明所提 LSLRR 优于其他最先进方法。
引用
@article{arxiv.1905.02488,
title = {Locality and Structure Regularized Low Rank Representation for Hyperspectral Image Classification},
author = {Qi Wang and Xiange He and Xuelong Li},
journal= {arXiv preprint arXiv:1905.02488},
year = {2019}
}
备注
14 pages, 7 figures, TGRS2019