基于改进核联合稀疏表示的高光谱图像分类算法

摘要：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。

关键词：高光谱图像分类；核联合稀疏表示； 超像素分割；谱聚类；递归滤波

中图分类号：TP18 文献标识码：A文章编号：1009-3044（2023）18-0021-05