局部自适应联合稀疏表示在高光谱图像分类中的应用

摘要： 本文提出了一种用于高光谱遥感图像分类的局部自适应联合稀疏表示（LAJSR）模型。该模型在信号与字典构建阶段以及稀疏表示阶段均对原始联合稀疏表示（JSR）方法进行了改进。针对待测像素，通过选取其空间邻域内少数最相似像素构建相似信号集。原始训练字典由不同类别的训练样本组成，并通过添加每个训练样本的空间邻域进行扩展。从扩展字典中筛选出与相似信号集相关的最具代表性原子，构建局部自适应字典。在LAJSR框架下，所选相似信号同时由局部自适应字典表示，所得稀疏表示系数进一步通过稀疏浓度指数向量加权——该向量旨在将系数集中并突出显示在预期类别上。两个基准高光谱数据集的实验结果表明，所提出的LAJSR方法比现有JSR和SVM方法更有效，尤其在小样本情况下优势显著。