基于空间-光谱特征和稀疏表达的高光谱图像分类算法（英文）

摘要

针对传统的高光谱数据分类方法分类精度不高、没有充分地利用空间信息等缺陷,提出一种基于Gabor空间纹理特征(Gabor spatial texture features)及无参数加权光谱特征(Nonparametric weighted spectral features)和稀疏表达分类(Sparse representation classification)的高光谱图像分类算法,可以简写为Gabor-NW SF和SRC,即GNWSF-SRC。所提出的GNWSF-SRC分类方法首先通过融合高光谱的Gabor空间特征和无参数加权光谱特征来更好地描述高光谱图像,然后通过其进行稀疏表达,最终通过对比其重构误差获得分类结果。在训练集比例不同的情况下,用所提出的方法对两组典型的高光谱数据进行处理,理论研究和仿真结果表明:与传统的分类方法相比,所提出算法能够提高分类精度、Kappa系数等,取得了较好的分类效果。