基于邻域相似度的联合稀疏表示的高光谱图像分类算法

为了提高基于联合稀疏表示的高光谱图像的分类精度, 提出一种基于邻域相似度联合稀疏表示的分类算法。与传统的联合稀疏表示算法相比, 邻域内不同地物类别的像元对待测像元P的影响权重不同, 依据邻域内的像元与像元P的相似程度, 设定相似度阈值。通过联合稀疏表示与像元P相似度高的像元来确定像元P的类别, 然后进一步利用空间信息修正分类算法, 即关联邻近像元的类别, 平滑分类结果。实验结果表明, 基于邻域相似度的联合稀疏表示的分类算法精度更高, 结果更稳定。