论文部分内容阅读
为提高图像分类精度,提出一种基于迁移AP聚类与稀疏表示的遥感图像分类方法。利用AP聚类算法和K-SVD算法为稀疏分类器学习超完备字典,在此基础上按重构误差最小化原则更新类别标签。通过设置不同的训练数据占比和迁移比例,在SAR桥梁图像上做分类实验,实验结果表明,从源域迁移适当比例数据,比直接用源域所有数据学习超完备字典,能够获得更高的总体分类精度。在与现有经典基于稀疏学习的分类算法比较中,该算法表现出更好的分类性能。