亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Classification of Hyperspectral Images by Gabor Filtering Based Deep Network

人工智能 高光谱成像 自编码 模式识别(心理学) 计算机科学 深度学习 主成分分析 Gabor滤波器 计算机视觉 特征提取
作者
Xudong Kang,Chengchao Li,Shutao Li,Hui Lin
出处
期刊:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:11 (4): 1166-1178 被引量:142
标识
DOI:10.1109/jstars.2017.2767185
摘要

In this paper, a novel spectral-spatial classification method based on Gabor filtering and deep network (GFDN) is proposed. First, Gabor features are extracted by performing Gabor filtering on the first three principal components of the hyperspectral image, which can typically characterize the low-level spatial structures of different orientations and scales. Then, the Gabor features and spectral features are simply stacked to form the fused features. Afterwards, deep features are captured by training a stacked sparse autoencoder deep network with the fused features obtained above as inputs. Since the number of training samples of hyperspectral images is often very limited, which negatively affects the classification performance in deep learning, an effective way of constructing virtual samples is designed to generate more training samples, automatically. By jointly utilizing both the real and virtual samples, the parameters of the deep network can be better trained and updated, which can result in classification results of higher accuracies. Experiments performed on four real hyperspectral datasets show that the proposed method outperforms several recently proposed classification methods in terms of classification accuracies.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
wbs13521完成签到,获得积分10
5秒前
26秒前
Mach发布了新的文献求助10
31秒前
无花果应助科研通管家采纳,获得10
34秒前
LZHWSND完成签到,获得积分10
43秒前
3分钟前
3分钟前
Joker完成签到,获得积分10
3分钟前
脑洞疼应助123456采纳,获得10
4分钟前
乐乐应助科研通管家采纳,获得10
4分钟前
难过代柔完成签到 ,获得积分10
5分钟前
5分钟前
木木发布了新的文献求助10
5分钟前
5分钟前
6分钟前
6分钟前
爱静静完成签到,获得积分0
6分钟前
joe完成签到 ,获得积分0
6分钟前
Demi_Ming完成签到,获得积分10
6分钟前
大模型应助科研通管家采纳,获得30
6分钟前
6分钟前
赘婿应助Wei采纳,获得10
8分钟前
斯文败类应助科研通管家采纳,获得10
8分钟前
ronnie147完成签到 ,获得积分10
8分钟前
9分钟前
香蕉觅云应助trying采纳,获得10
10分钟前
10分钟前
trying发布了新的文献求助10
10分钟前
11分钟前
Jay完成签到 ,获得积分10
11分钟前
Marciu33发布了新的文献求助10
12分钟前
haha发布了新的文献求助10
12分钟前
12分钟前
英姑应助haha采纳,获得10
12分钟前
trying发布了新的文献求助10
13分钟前
SJAFDF完成签到,获得积分10
14分钟前
CATH完成签到 ,获得积分10
14分钟前
lcs完成签到,获得积分10
14分钟前
Owen应助xiongyh10采纳,获得10
14分钟前
火星上的柏柳完成签到,获得积分10
15分钟前
高分求助中
Sustainability in ’Tides Chemistry 2000
Studien zur Ideengeschichte der Gesetzgebung 1000
The ACS Guide to Scholarly Communication 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Handbook of the Mammals of the World – Volume 3: Primates 805
Ethnicities: Media, Health, and Coping 800
Gerard de Lairesse : an artist between stage and studio 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3072613
求助须知:如何正确求助?哪些是违规求助? 2726326
关于积分的说明 7493708
捐赠科研通 2374135
什么是DOI,文献DOI怎么找? 1258905
科研通“疑难数据库(出版商)”最低求助积分说明 610394
版权声明 596983