模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2020, Vol. 33 Issue (4): 303-312    DOI: 10.16451/j.cnki.issn1003-6059.202004003
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
高光谱图像分类的融合分层深度网络联合稀疏表示算法
王军浩1, 闫德勤1, 刘德山1, 闫汇聪1
1.辽宁师范大学 计算机与信息技术学院 大连 116081
Joint Sparse Representation Fusing Hierarchical Deep Network of Hyperspectral Image Classification
WANG Junhao1, YAN Deqin1, LIU Deshan1, YAN Huicong1
1.School of Computer and Information Technology, Liaoning Normal University, Dalian 116081

全文: PDF (2140 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 在高光谱图像分类领域中每个像素的局部邻域一旦包含来自不同类别的样本,联合稀疏表示将受邻域内字典原子与测试样本之间同谱异类的影响,严重降低分类性能.根据高光谱图像的特点,文中提出融合分层深度网络的联合稀疏表示算法.在光谱和空间特征学习之间交替提取判别性光谱信息和空间信息,构建兼具空谱特征的学习字典,用于联合稀疏表示.在分类过程中将学习字典与测试样本间的相关系数与分类误差融合并决策.在两个高光谱遥感数据集上的实验验证文中算法的有效性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
王军浩
闫德勤
刘德山
闫汇聪
关键词 高光谱遥感图像联合稀疏表示分层深度网络相关系数    
Abstract:In joint sparse representation of hyperspectral image classification, once the local window of each pixel includes samples from different categories, the dictionary atoms and testing samples are easily affected by samples from different categories with same spectrum and the classification performance is seriously decreased. According to the characteristics of hyperspectral image , an algorithm of joint sparse representation fusing hierarchical deep network is proposed. Discriminative spectral information and spatial information are extracted by alternating spectral and spatial feature learning operations, and then a dictionary with spatial spectral features is constructed for joint sparse representation. In the classification process, the correlation coefficient between the dictionary and the testing samples is combined with classification error to make decisions. Experiments on two hyperspectral remote sensing datasets verify the effectiveness of the proposed algorithm.
Key wordsHyperspectral Image    Joint Sparse Representation    Hierarchical Deep Network    Correlation Coefficient   
收稿日期: 2019-11-01     
ZTFLH: TP 181  
基金资助:国家自然科学基金项目(No.61772250)、辽宁省自然科学基金项目(No.20170540574)、辽宁省教育厅科学研究项目(No.LJ2019014)资助
通讯作者: 刘德山,硕士,教授,主要研究方向为机器学习、智能信息处理、模式识别.E-mail:deshanliu@yeah.net   
作者简介: 王军浩,硕士研究生,主要研究方向为机器学习、字典学习、遥感图像分类.E-mail:lnnu_junhaowang@163.com.闫德勤,博士,教授,主要研究方向为机器学习、字典学习、深度学习、遥感图像分类.E-mail:yandeqin@163.com.闫汇聪,硕士研究生,主要研究方向为机器学习、智能信息处理、模式识别.E-mail:yhcong528@163.com.
引用本文:   
王军浩, 闫德勤, 刘德山, 闫汇聪. 高光谱图像分类的融合分层深度网络联合稀疏表示算法[J]. 模式识别与人工智能, 2020, 33(4): 303-312. WANG Junhao, YAN Deqin, LIU Deshan, YAN Huicong. Joint Sparse Representation Fusing Hierarchical Deep Network of Hyperspectral Image Classification. , 2020, 33(4): 303-312.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202004003      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2020/V33/I4/303
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn