本发明公开了一种基于近邻传播聚类和稀疏多核学习的高光谱分类方法,主要解决现有技术对高光谱图像分类性能不佳的问题。其实现方案是:首先,利用所有波段中的训练样本构造核矩阵集合;其次,利用近邻传播方法进行聚类,选择高辨别力低冗余性的核矩阵子集;再次,利用选择的核矩阵子集,通过稀疏约束的多核学习方法,学习出核权重和支撑矢量系数;最后,利用学习到的分类器,对未知高光谱图像进行分类。本发明采用的多核学习分类方法,利用不同函数不同参数的多种核,能够处理具有多变局部分布的复杂高光谱数据,获得高精度的高光谱图像分类结果,可用于农业监测、地质勘探、灾害环境评估等领域地物的区分和辨别。
声明:
“基于近邻传播聚类和稀疏多核学习的高光谱图像分类方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)