基于fisher字典学习稀疏表示的高光谱图像分类

近年基于稀疏表示的分类框架(sparserepresentationbasedclassification,src)在计算机视觉和模式识别领域取得了巨大成功,高光谱图像解译也逐渐引入稀疏表示方法。针对基于src的高光谱图像分类算法随机抽取训练样本构成字典较难捕获相似类别的相对差异性信息问题,提出采用fisher字典学习方法增强相似类训练样本的可区分性。此外,考虑到高光谱图像具有较强空间相关性的特点,设计一种简单有效的投票策略进行类别判决。大量实验表明:基于fisher字典学习的联合投票分类方法能够较好地改善高光谱分类精度。