稀疏表示已广泛用于图像分类中。 但是，众所周知，基于稀疏性的算法很耗时。 同时，最近的工作表明，决定算法性能的是协作表示（CR）而非稀疏性约束。 因此，我们提出了一种具有局部自适应字典（NJCRC-LAD）的非局部联合CR分类方法，用于高光谱图像（HSI）分类。 本文着重研究CR的工作机制，并建立联合协作模型（JCM）。 联合信号矩阵由测试像素的非局部像素构成。 利用一个子词典，它适合于非局部信号矩阵而不是整个字典。 在三个HSI上测试了所提出的NJCRC-LAD方法，实验结果表明，所提出的算法

稀疏表示已广泛用于图像分类中。 但是，众所周知，基于稀疏性的算法很耗时。 同时，最近的工作表明，决定算法性能的是协作表示（CR）而非稀疏性约束。 因此，我们提出了一种具有局部自适应字典（NJCRC-LAD）的非局部联合CR分类方法，用于高光谱图像（HSI）分类。 本文着重研究CR的工作机制，并建立联合协作模型（JCM）。 联合信号矩阵由测试像素的非局部像素构成。 利用一个子词典，它适应于非局部信号矩阵而不是整个字典。 在三个HSI上测试了所提出的NJCRC-LAD方法，实验结果表明，所提出的算法