来源：期刊VIP网 时间：
作者：陈善学;夏馨;
单位：重庆邮电大学通信与信息工程学院;
摘要：针对高光谱图像丰富的空间信息和光谱信息未充分利用的问题，提出了基于自适应矩阵的核联合稀疏表示高光谱图像分类的方法。在特征表示阶段，定义了自适应矩阵特征，通过结合自适应邻域块策略与非线性相关熵度量构成的特征来描述原始光谱像素，充分融合了形状可变的空间信息与非线性光谱信息。在分类阶段，考虑自适应矩阵和高光谱图像非线性，采用对数欧式核函数，构建了核联合稀疏表示模型，以获得重构误差。同时利用字典空间信息构建了矩阵相关性，引入平衡参数实现了稀疏重构误差与矩阵相关性的联合分类。在两个数据集上的实验结果表明，该算法充分利用了高光谱图像的空间信息、光谱信息，能够有效提高分类精度。
关键词：高光谱图像分类;;核联合稀疏表示;;自适应邻域块;;自适应矩阵;;矩阵相关性
