10.3969/j.issn.0372-2112.2018.01.024
联合核稀疏多元逻辑回归和TV-L1错误剔除的高光谱图像分类算法
稀疏多元逻辑回归(SMLR)是高光谱监督分类中的重要方法,然而仅仅利用光谱信息的SMLR忽略了影像本身的空间特征,在少量监督样本下的分类精度和算法的鲁棒性仍明显不足;虽然通过引入核技巧,核稀疏多元逻辑回归(KSMLR)可以部分克服上述缺点,其分类错误仍然有待进一步降低.本文基于核稀疏多元逻辑回归分类误差的统计建模分析,提出一种联合核稀疏多元逻辑回归和正则化错误剔除的高光谱图像分类模型.提出的模型通过引入隐概率场,采取L1范数度量KSMLR分类误差的重尾特性建立数据保真项;利用全变差(Total Variation,TV)正则化度量隐概率场的局部空间光滑性.由Indian Pines和University of Pavia数据集等实测数据应用表明,该方法可以得到更鲁棒和更高的分类精度.
高光谱、图像分类、核稀疏多元逻辑回归、错误剔除
46
TP751(遥感技术)
国家自然科学基金61571230;国家重点研发计划2016YFF0103604;江苏省自然科学基金BK20161500;江苏省333工程BRA2015345
2018-07-02（万方平台首次上网日期，不代表论文的发表时间）
共10页
175-184
