一种多特征类子字典学习的高光谱图像分类方法

摘要

本发明公开了一种多特征类子字典学习的高光谱图像分类方法，步骤为：提取高光谱图像的多种互补特征数据；对每类训练样本利用MFKCSDL模型学习得到相应的类子字典；利用基于分水岭的图像分割方法将高光谱图像划分成若干空间组；将学习得到的类子字典组合应用到MFKJSR模型，获得每个空间组像素点的多特征表示系数；通过空间组中所有像素点的多特征重构误差最小，预测空间组中像素点的类别标签。本发明能够有效提升字典的判别能力，进而提高高光谱图像的分类精度。