结合改进LBP和SRC的高光谱图像分类研究

摘要

针对传统局部二值模型(local binary pattern,LBP)提取高光谱图像纹理特征信息量庞大的难题,提出一种基于对称旋转不变等价局部二值模型(symmetrical rotation invariant uniform LBP,SRIULBP)的高光谱图像特征提取方法,以缩减特征维度;针对稀疏表示分类(sparse representation classification,SRC)模型中稀疏字典冗余的缺陷,采用近邻思想,提出最近邻稀疏表示(nearest neighbor SRC,NNSRC)分类方法,实现高光谱图像的高效、高准确度分类。数据实验结合表明,SRIULBP能快速提取图像特征,提出的分类方法不仅在分类精度上优于其他稀疏表示分类算法,并且具有更强的时效性与泛化能力。