局部与非局部上下文感知弹性网络:高光谱图像的平衡分类新法
149 浏览量
更新于2024-07-14
收藏 2.71MB PDF 举报
本文主要探讨了一种新颖的高光谱图像(HSI)分类方法,名为"基于局部和非局部上下文感知弹性网络表示的分类"。在传统的基于表示的分类框架中,如稀疏表示分类(SRC)和协作表示分类(CRC),它们分别强调利用少数有标签样本和所有样本之间的协作表示。然而,当不同类别间的标记样本分布不平衡时,这些方法可能难以捕捉每个类别特有的特征。
作者提出了一种创新的解决方案,即利用图论中的弹性网(Elastic Net,ELN)模型,结合局部和非局部上下文信息。首先,通过构建ELN编码邻域图,这个图考虑了图像斑块之间的空间和光谱自相似性,以及一种称为图像块距离(Image Patch Distance, IPD)的概念,这有助于捕获数据的局部结构和全局关联。这种方法不仅保留了局部一致性,还引入了全局上下文,使得模型在处理不平衡标记样本时更加稳健。
为了优化这个模型,作者将集中式的稀疏性规范与ELN框架整合,这样既能鼓励模型学习到稀疏表示,又能确保模型的表达能力。在求解过程中,采用了经典的交替方向乘子法(Alternating Direction Method of Multipliers, ADMM),这是一种高效且稳定的优化工具,能够在大规模数据上求解复杂的优化问题。
实验结果显示,这种方法在多个真实世界的数据集上表现出色,尤其是在分类精度方面超越了当前的前沿算法。即便在标记样本严重不平衡的情况下,所提出的ELN模型依然能提供更准确的分类结果,这对于HSI分类任务,特别是在遥感和地球观测领域的应用具有重要意义。
总结来说,这篇论文的主要贡献在于提出了一种创新的HSI分类策略,它结合了上下文感知的弹性网络表示、局部和非局部信息,以及高效的求解技术,为解决不平衡标记样本下的HSI分类问题提供了新的途径。
2021-01-27 上传
2021-02-05 上传
2023-09-06 上传
2023-10-04 上传
2024-05-27 上传
2024-08-13 上传
2024-03-30 上传
2024-04-15 上传
2024-01-06 上传
weixin_38681628
- 粉丝: 4
- 资源: 892
最新资源
- 天池大数据比赛:伪造人脸图像检测技术
- ADS1118数据手册中英文版合集
- Laravel 4/5包增强Eloquent模型本地化功能
- UCOSII 2.91版成功移植至STM8L平台
- 蓝色细线风格的PPT鱼骨图设计
- 基于Python的抖音舆情数据可视化分析系统
- C语言双人版游戏设计:别踩白块儿
- 创新色彩搭配的PPT鱼骨图设计展示
- SPICE公共代码库:综合资源管理
- 大气蓝灰配色PPT鱼骨图设计技巧
- 绿色风格四原因分析PPT鱼骨图设计
- 恺撒密码:古老而经典的替换加密技术解析
- C语言超市管理系统课程设计详细解析
- 深入分析:黑色因素的PPT鱼骨图应用
- 创新彩色圆点PPT鱼骨图制作与分析
- C语言课程设计:吃逗游戏源码分享