基于改进核联合稀疏表示的高光谱图像分类算法

为了解决高光谱图像分类时邻域信息、噪声和区域边界对分类效果影响较大这一问题,提出一种基于改进核联合稀疏表示的高光谱图像分类算法。首先,从递归滤波处理后的高光谱图像中提取光谱空间特征,将邻域像元集与超像素分割的像元集合并,通过谱聚类算法筛选出优质像元集,再进行核联合稀疏表示获取残差;然后,利用KNN算法计算超像素分割像元集中测试样本与各类训练样本之间的距离;最后,通过决策函数对待测像元进行分类。数值实验结果表明:分类效果得到有效提升,验证了该方法的有效性和实用性。