摘要：為了充分提取高光譜圖像豐富的光譜信息,盡可能降低光譜冗余,同時保留較多有效判別信息.基于高光譜圖像單波段的譜間相似性,提出了基于多任務(wù)學(xué)習(xí)和稀疏表示的分類算法.該方法將光譜間的冗余特性轉(zhuǎn)化為有效信息加以利用,使用波段交叉分組策略構(gòu)建子任務(wù),并引入稀疏表示模型將所有分類任務(wù)進行聯(lián)合表示,最終根據(jù)所有任務(wù)的累積殘差確定測試樣本的類別.實驗對比分析了多任務(wù)聯(lián)合表示分類和單任務(wù)分類的準(zhǔn)確率.結(jié)果表明,基于多任務(wù)聯(lián)合稀疏表示模型的分類性能優(yōu)于單任務(wù)模型.