用于基于稀疏表示的高光谱图像分类的结构化先验
计算机视觉与模式识别
2014-01-17 v1 机器学习
机器学习
摘要
像素级分类将每个像素分配到一个预定义类别，是高光谱图像（HSI）分析中最重要的步骤之一。通过将测试像素表示为少量标注像素子集的线性组合，稀疏表示分类器（SRC）相比支持向量机（SVM）等传统分类器给出了相当合理的结果。近年来，通过引入额外的结构化稀疏先验，第二代 SRC 已在文献中出现，据报道可进一步提升 HSI 的性能。这些先验基于利用相邻像素间的空间依赖性、字典的固有结构或两者兼有。在本文中，我们回顾并比较了用于基于稀疏表示的 HSI 分类的几种结构化先验。我们还提出了一种称为低秩组先验的新结构化先验，可视为对低秩先验的修改。此外，我们将研究不同的结构化先验如何改善 HSI 分类的结果。
引用
@article{arxiv.1401.3818,
title = {Structured Priors for Sparse-Representation-Based Hyperspectral Image Classification},
author = {Xiaoxia Sun and Qing Qu and Nasser M. Nasrabadi and Trac D. Tran},
journal= {arXiv preprint arXiv:1401.3818},
year = {2014}
}
备注
IEEE Geoscience and Remote Sensing Letter