摘要：针对小样本情况下高光谱图像亚像元定位精度有限的问题,提出利用协同表示与神经网络的高光谱图像亚像元定位算法。该算法以一幅低空间分辨率的高光谱图像和少量的训练样本作为输入,首先应用空间上采样和基于协同表示的分类技术获取一幅亚像元级类别标签图,同时应用基于协同表示的分类、光谱解混和空间引力模型获取另一幅亚像元级类别标签图,之后依据两幅初始的亚像元级类别标签图扩充训练集,最后利用扩充后的训练集基于BP神经网络对高光谱图像进行亚像元定位,从而提高小样本情况下高光谱图像亚像元定位的精度。对于IndianPines和PaviaUniversity图像,所提算法的总体分类精度比ASPM算法分别高3.39%和9.63%,比ACSPM算法分别高0.26%和8.91%。实验结果表明,所提算法优于ASPM和ACSPM算法,尤其适用于细节信息较为丰富的高光谱图像。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社