基于非局部加权联合稀疏表示的高光谱影像分类方法

简介：
本研究提出了一种基于非局部加权联合稀疏表示的方法，用于提升高光谱图像分类精度。通过引入空间上下文信息及类内多样性增强分类效果。 作为一种强大且具有前景的统计信号建模技术，稀疏表示已被广泛应用于各种图像处理与分析领域。针对高光谱图像分类任务，过往研究已证明基于稀疏性的方法的有效性。本段落提出了一种非局部加权联合稀疏表示分类（NLW-JSRC）的方法，旨在提升高光谱图像的分类效果。 在该方法中，对于中央测试像素周围的各个相邻像素采用了不同的权重，在联合稀疏模型框架下进行处理。具体而言，某个特定邻近像素的权重根据其与中心测试像素之间的结构相似度来确定，这被定义为非局部加权方案的一部分。本段落采用同时正交匹配追踪技术求解这一非局部加权联合稀疏模型。 通过在三个高光谱图像数据集上进行实验验证后发现，所提出的分类算法的性能优于其他基于稀疏性的方法以及经典的支持向量机（SVM）高光谱分类器。