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!

Spectral-Spatial Constraint Hyperspectral Image Classification

高光谱成像 像素 模式识别(心理学) 人工智能 特征(语言学) 计算机科学 空间分析 特征向量 约束(计算机辅助设计) 图像(数学) 数学 计算机视觉 统计 几何学 语言学 哲学
作者
Rongrong Ji,Yue Gao,Richang Hong,Qiong Liu,Dacheng Tao,Xuelong Li
出处
期刊:IEEE Transactions on Geoscience and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:52 (3): 1811-1824 被引量:199
标识
DOI:10.1109/tgrs.2013.2255297
摘要

Hyperspectral image classification has attracted extensive research efforts in the recent decade. The main difficulty lies in the few labeled samples versus the high dimensional features. To this end, it is a fundamental step to explore the relationship among different pixels in hyperspectral image classification, toward jointly handing both the lack of label and high dimensionality problems. In the hyperspectral images, the classification task can be benefited from the spatial layout information. In this paper, we propose a hyperspectral image classification method to address both the pixel spectral and spatial constraints, in which the relationship among pixels is formulated in a hypergraph structure. In the constructed hypergraph, each vertex denotes a pixel in the hyperspectral image. And the hyperedges are constructed from both the distance between pixels in the feature space and the spatial locations of pixels. More specifically, a feature-based hyperedge is generated by using distance among pixels, where each pixel is connected with its K nearest neighbors in the feature space. Second, a spatial-based hyperedge is generated to model the layout among pixels by linking where each pixel is linked with its spatial local neighbors. Both the learning on the combinational hypergraph is conducted by jointly investigating the image feature and the spatial layout of pixels to seek their joint optimal partitions. Experiments on four data sets are performed to evaluate the effectiveness and and efficiency of the proposed method. Comparisons to the state-of-the-art methods demonstrate the superiority of the proposed method in the hyperspectral image classification.
最长约 10秒,即可获得该文献文件

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
1分钟前
zsmj23完成签到 ,获得积分0
1分钟前
zhaozhao完成签到 ,获得积分10
3分钟前
冷傲渊思完成签到,获得积分10
3分钟前
谢小盟完成签到 ,获得积分10
3分钟前
3分钟前
上官若男应助安之若素采纳,获得10
3分钟前
Perry完成签到,获得积分10
3分钟前
咕咕咕咕发布了新的文献求助30
4分钟前
咕咕咕咕完成签到,获得积分10
4分钟前
安之若素完成签到,获得积分20
4分钟前
4分钟前
安之若素发布了新的文献求助10
4分钟前
6分钟前
gszy1975发布了新的文献求助10
6分钟前
大喜子完成签到 ,获得积分10
8分钟前
科研通AI2S应助欣喜若灵采纳,获得10
8分钟前
8分钟前
欣喜若灵发布了新的文献求助10
8分钟前
赘婿应助krajicek采纳,获得30
9分钟前
9分钟前
Mayer1234088发布了新的文献求助10
9分钟前
10分钟前
krajicek发布了新的文献求助30
10分钟前
10分钟前
liufinity发布了新的文献求助10
11分钟前
柿饼完成签到,获得积分10
11分钟前
英俊的铭应助liufinity采纳,获得10
11分钟前
11分钟前
krajicek发布了新的文献求助10
11分钟前
大个应助科研通管家采纳,获得10
11分钟前
小马甲应助科研通管家采纳,获得30
11分钟前
雪糕考研完成签到 ,获得积分10
11分钟前
12分钟前
liufinity发布了新的文献求助10
12分钟前
沧海云完成签到 ,获得积分10
12分钟前
Akim应助EmmaZ采纳,获得10
14分钟前
Frank应助地尔硫卓采纳,获得50
14分钟前
14分钟前
EmmaZ发布了新的文献求助10
14分钟前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 400
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 3154982
求助须知:如何正确求助?哪些是违规求助? 2805698
关于积分的说明 7865848
捐赠科研通 2463938
什么是DOI,文献DOI怎么找? 1311678
科研通“疑难数据库(出版商)”最低求助积分说明 629728
版权声明 601853