联合矩阵低秩逼近和稀疏表示的高分辨率遥感影像目标识别方法

您当前的位置：

首页 >

文章列表页 >

信息光学与图像处理 | 更新时间：2025-09-01

- 联合矩阵低秩逼近和稀疏表示的高分辨率遥感影像目标识别方法
- A target recognition method of high resolution remote sensing images based on joint matrix low rank approximation and sparse representation
- 光学技术 2018年44卷第3期页码：291-299
- 作者机构：
  
  1. 1:云南师范大学信息学院
  2. 2:西部资源环境地理信息技术教育部工程研究中心
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(41461038);云南师范大学博士启动资助基金(01000205020503064)
- DOI：10.13741/j.cnki.11-1879/o4.2018.03.007
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
孔艳, 王保云, 何苗. 联合矩阵低秩逼近和稀疏表示的高分辨率遥感影像目标识别方法[J]. 光学技术, 2018,44(3):291-299.

A target recognition method of high resolution remote sensing images based on joint matrix low rank approximation and sparse representation[J]. 2018, 44(3): 291-299.
孔艳, 王保云, 何苗. 联合矩阵低秩逼近和稀疏表示的高分辨率遥感影像目标识别方法[J]. 光学技术, 2018,44(3):291-299. DOI： 10.13741/j.cnki.11-1879/o4.2018.03.007.

A target recognition method of high resolution remote sensing images based on joint matrix low rank approximation and sparse representation[J]. 2018, 44(3): 291-299. DOI： 10.13741/j.cnki.11-1879/o4.2018.03.007.

针对高分辨率遥感影像地物信息复杂、目标识别率低等问题

提出了一种联合矩阵低秩逼近的稀疏表示遥感影像目标识别方法。对原始遥感影像进行Radon变换

将处理过后的遥感影像进行低秩和稀疏分解

得到具有低秩性和稀疏性的两部分信息;通过K-SVD算法分别对这两部分信息进行字典学习

构建稀疏表示的判别字典;通过稀疏表示求解算法求解出待分类的目标在判别字典上的稀疏系数

根据稀疏系数最大准则对目标进行分类识别。在Uc Merced数据集上选取具有代表性的线性和非线性子集分别进行实验

结果表明所提算法与传统的SRC、SVM、MLC和KNN等分类识别算法相比

在采样比例为1/16、稀疏度为5时

识别率在线性子集上能够提高10%、在非线性子集上能够提高5%

表明所提方法具有较好的识别效果。

浏览量

200

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于判别字典学习与形态成分分解的多源图像融合

低秩稀疏分解与显著性度量的医学图像融合

电力线路相位标志牌的检测和识别

移动机器人目标识别算法

基于多角度偏振差值曲线的目标识别初探