LegoQ

LegoQ框架使用密度矩阵学习进行高光谱图像分类

研究人员推出了一种新颖的高光谱图像分类框架LegoQ，该框架利用密度矩阵表示学习。该方法将光谱带映射到矩阵状态，然后通过光谱、空间和组间跃迁来更新这些状态。该方法提供样本级诊断，如特征谱、熵和纯度，提供了传统基于向量的方法无法提供的样本不确定性洞察。在Indian Pines数据集上的实验达到了96.20% ± 0.70%的总体准确率，在WHU-Hi-LongKou数据集上，最佳结果达到了97.52%的总体准确率。