基于多尺度分割的高光谱图像稀疏表示与分类

摘要

针对高光谱特征的稀疏表示,提出了一种基于多尺度分割的空间加权算法用于高光谱图像分类.该算法采用更合理的邻域定义挖掘空间先验信息,优化类边缘像元的稀疏表示.首先,通过多尺度分割提供邻域空间约束;结合拉普拉斯尺度混合(LSM)先验,分别对每个邻域组内像元进行空间加权的稀疏表示.然后,采用概率支持向量机(SVM)分类,同时提供像元的分类标签及其置信度.最后,以此置信度为权重,对多尺度分类图进行加权融合,生成最终的分类图.实验显示,本文算法能够增强光谱特征表示的稀疏性和鲁棒性,提高总体分类精度;在小样本训练下,单类的分类精度可提升30％左右,表明该算法在高光谱应用中具有较强的实用性.