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
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
评论