用于分类的超像素引导高光谱图像判别低秩表示
计算机视觉与模式识别
2021-11-10 v2 人工智能
摘要
在本文中，我们提出了一种用于遥感高光谱图像(HSI)分类的新方案，即SP-DLRR，通过全面探索其独特特性，包括局部空间信息和低秩性。SP-DLRR主要由两个模块组成，即分类引导的超像素分割和判别低秩表示，这两个模块迭代进行。具体而言，通过利用局部空间信息并结合典型分类器的预测，第一个模块将输入HSI的像素（或由第二个模块生成的恢复图像）分割成超像素。根据生成的超像素，输入HSI的像素随后被分组为簇，并输入到我们具有有效数值解的新型判别低秩表示模型中。该模型能够通过局部抑制光谱变化来增加类内相似性，同时在全局促进类间判别性，从而生成具有更多判别性像素的恢复HSI。在三个基准数据集上的实验结果证明了SP-DLRR相对于SOTA方法的显著优越性，尤其是在训练像素数量极其有限的情况下。
引用
@article{arxiv.2108.11172,
title = {Superpixel-guided Discriminative Low-rank Representation of Hyperspectral Images for Classification},
author = {Shujun Yang and Junhui Hou and Yuheng Jia and Shaohui Mei and Qian Du},
journal= {arXiv preprint arXiv:2108.11172},
year = {2021}
}