高光谱图像分类(三)分类流程

如何利用稀疏表示进行高光谱图像分类呢?

前面我们已经了解了高光谱图像分类的一些基本概念,那这篇文章当中将讲解高光谱图像分类具体的流程是怎么样的。

以下是高光谱图像分类的具体详细步骤:
1.导入indian_pines高光谱图像三维数据(具体数据可以网上下载),将三维图像数据转换成二维图像矩阵,二维矩阵中每一列是一个样本。
2.导入indian_pines_gt高光谱图像的二维样本标定图,在图中按比例为每个类选取训练样本的位置,并到1步中选取二维矩阵中选取对应的列作为训练样本。剩下别的位置就作为测试样本了。
3.为每个测试样本求解稀疏表示系数。具体方法有OMP算法等,该方法网上可查,或者参考一些国外大牛的论文(最好不要看中国人写的文献,我现在觉得国人为了刷分类精度,论文灌水太严重,自己没搞清算法就开始瞎掰搞论文)。
4.根据稀疏表示系数,还原测试样本信号。原始样本与复原样本在每一类情况下的误差,选误差最小的类作为最佳分类结果。
5.将测试样本的结果,覆盖样本标定图中对应位置的值,显示出分类后的结果。以下贴出一张标定图和用OMP算法做出的结果图。
高光谱图像分类(三)分类流程_第1张图片高光谱图像分类(三)分类流程_第2张图片
http://u.163.com/HyxE9auF 提取码: fHr5WIFc

你可能感兴趣的:(高光谱图像,稀疏表示)