摘要：为实现高效、精准的高光谱图像分类,该文利用低秩矩阵恢复从原始数据中提取低维特征,实现高光谱图像的压缩表示。针对高光谱应用的特殊性,该文算法基于结构相似性度量（Structural Similarity Index Measurement,SSIM）对矩阵恢复过程提出了信噪分离约束,有助于选择更优的模型参数,增强表示的准确性。实验证明,相比现有相关方法,该文算法能够有效去除高光谱图像中的噪声,表示结果更为鲁棒;在仅使用低维特征时,仍能达到较高的分类精度。

关键词：高光谱图像分类 压缩表示 低秩矩阵恢复 

单位：第二炮兵工程大学信息工程系; 西安710025; 清华大学电子工程系; 北京100084; 北京市遥感信息研究所; 北京100192