基于結(jié)構(gòu)化稀疏和低秩表示的高光譜分類(lèi)方法.pdf

1、近幾十年來(lái)，高光譜圖像分類(lèi)技術(shù)已經(jīng)取得很大的進(jìn)展，并廣泛應(yīng)用于許多領(lǐng)域，如精準(zhǔn)農(nóng)業(yè)、監(jiān)測(cè)和環(huán)境管理、安全和防衛(wèi)問(wèn)題。隨著高光譜技術(shù)的發(fā)展，其光譜分辨率可達(dá)納米級(jí)。高光譜圖像豐富的光譜信息，使之能更好地區(qū)分不同地物；這也使更精確地進(jìn)行高光譜圖像分類(lèi)成為可能。
　　很多研究表明稀疏表示是一個(gè)很好的高光譜圖像數(shù)據(jù)表示模型，稀疏表示是使輸入的信號(hào)可用過(guò)完備字典線(xiàn)性組合表示而成。它已經(jīng)應(yīng)用于高光譜圖像分類(lèi)，并且取得了很好的分類(lèi)效果。最近，低

2、秩表示已經(jīng)成功應(yīng)用于子空間分割中，相比稀疏表示，低秩表示能很好地表征數(shù)據(jù)的整體結(jié)構(gòu)信息，并且對(duì)噪聲和異常值魯棒性好。
　　因此，本文提出基于結(jié)構(gòu)化稀疏和低秩表示高光譜圖像分類(lèi)方法。首先，建立結(jié)構(gòu)化稀疏和低秩模型，同時(shí)在字典學(xué)習(xí)時(shí)將訓(xùn)練數(shù)據(jù)的類(lèi)標(biāo)簽以及信號(hào)存在的異常和噪聲考慮進(jìn)去。其次，用增廣拉格朗日算法（ADMM)求解分類(lèi)模型。最后，為了提高分類(lèi)率，將空間信息和光譜信息同時(shí)考慮用于光譜分類(lèi)。通過(guò)在Indian Pines數(shù)據(jù)集和P