研究目的
通过提出一种局部自适应联合稀疏表示模型,在信号和字典构建以及稀疏表示阶段改进原始JSR方法,从而提升高光谱图像的分类效果。
研究成果
所提出的LAJSR方法通过有效利用空间信息和自适应字典构建,显著提高了高光谱图像分类的准确性,尤其在训练样本量较小的情况下,其性能优于现有的JSR和SVM等方法。
研究不足
由于字典扩展和较大的稀疏度水平,计算成本相对较高。该方法可能对窗口大小和相似像素数量等参数设置较为敏感。
研究目的
通过提出一种局部自适应联合稀疏表示模型,在信号和字典构建以及稀疏表示阶段改进原始JSR方法,从而提升高光谱图像的分类效果。
研究成果
所提出的LAJSR方法通过有效利用空间信息和自适应字典构建,显著提高了高光谱图像分类的准确性,尤其在训练样本量较小的情况下,其性能优于现有的JSR和SVM等方法。
研究不足
由于字典扩展和较大的稀疏度水平,计算成本相对较高。该方法可能对窗口大小和相似像素数量等参数设置较为敏感。
加载中....
您正在对论文“局部自适应联合稀疏表示在高光谱图像分类中的应用”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期