首页|期刊导航|计算机工程|基于稀疏表示的遥感图像分类方法改进

基于稀疏表示的遥感图像分类方法改进OA北大核心CSCDCSTPCD

Improvement of Remote Sensing Image Classification Method Based on Sparse Representation

中文摘要

传统稀疏表示分类算法由于没有给出全面的图像纹理信息,导致分类准确率不高.针对该问题,在稀疏表示分类模型中引入局部二值模式(LBP)特征,提出一种新的稀疏表示分类方法.该方法使用LBP对遥感图像进行特征提取,获得遥感图像的局部纹理特征,根据LBP直方图训练结构化字典,建立基于稀疏表示的遥感图像分类模型.实验结果表明,与支持向量机以及K最近邻方法相比,该方法能够有效提高分类精度.

唐晓晴;刘亚洲;陈骏龙

南京理工大学计算机科学与工程学院,南京210094南京理工大学计算机科学与工程学院,南京210094南京理工大学计算机科学与工程学院,南京210094

信息技术与安全科学

稀疏表示局部二值模式遥感图像局部纹理字典学习

sparse representationLocal Binary Pattern (LBP)remote sensing imagelocal texturedictionary learning

《计算机工程》 2016 (3)

254-258,265,6

10.3969/j.issn.1000-3428.2016.03.046

评论

您当前未登录!去登录点击加载更多...