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!

BAMS-FE: Band-by-Band Adaptive Multiscale Superpixel Feature Extraction for Hyperspectral Image Classification

高光谱成像 模式识别(心理学) 人工智能 特征提取 计算机科学 分割 特征(语言学) 图像分割 光谱带 遥感 哲学 语言学 地质学
作者
Jianmeng Li,Hui Sheng,Mingming Xu,Shanwei Liu,Zhe Zeng
出处
期刊:IEEE Transactions on Geoscience and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:61: 1-15 被引量:1
标识
DOI:10.1109/tgrs.2023.3294227
摘要

Superpixel segmentation has emerged as a prominent approach for simultaneous extraction of spatial-spectral features in hyperspectral imagery, exhibiting considerable efficacy in this domain. Although effective in spatial spectrum feature extraction, the existing feature extraction algorithms typically perform superpixel segmentation on a single band, failing to utilize the rich spectral and spatial information available across more bands. Moreover, current superpixel feature extraction methods lack scientific guidance for determining optimal multiscale parameters, which can lead to suboptimal segmentation and increased complexity of hyperspectral analysis. To overcome these limitations, this paper presents a novel band-by-band adaptive multiscale superpixel feature extraction method (BAMS-FE). The method comprises of two key components: a band-by-band superpixel-based feature extraction method and an adaptive optimal superpixel multiscale determination method. Firstly, the band-by-band superpixel-based feature extraction method performs superpixel segmentation for each band of hyperspectral images, thereby extracting joint spatial and spectral features. Secondly, the adaptive optimal superpixel multiscale determination method uses an unsupervised approach to determine the optimal multiscale superpixel segmentation parameters. Finally, the BAMS algorithm is obtained by combining the above two algorithms. The proposed algorithm is evaluated on five different datasets, and the results demonstrate its excellent precision and stability. With the top 99% principal components post PCA transformation or with raw, unprocessed hyperspectral datasets, stable and satisfactory classification performance is achieved by BAMS. Additionally, we compared its performance with several other state-of-the-art algorithms and found that it outperformed them in terms of accuracy. Our code will be publicly available at https://github.com/UPCGIT/BAMS-FE.
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
小白果果完成签到,获得积分10
12秒前
15秒前
33秒前
34秒前
36秒前
小柠檬发布了新的文献求助10
39秒前
41秒前
95完成签到 ,获得积分10
42秒前
思源应助小柠檬采纳,获得10
45秒前
尘尘完成签到,获得积分10
58秒前
1分钟前
1分钟前
夏天无发布了新的文献求助10
1分钟前
1分钟前
健康幸福平安完成签到,获得积分10
1分钟前
大熊发布了新的文献求助10
1分钟前
黑白键发布了新的文献求助30
2分钟前
宋枝野完成签到 ,获得积分10
2分钟前
2分钟前
YifanWang应助Biou采纳,获得10
2分钟前
2分钟前
言屿发布了新的文献求助10
3分钟前
黑白键完成签到,获得积分10
3分钟前
科研一枝花完成签到 ,获得积分10
3分钟前
3分钟前
3分钟前
科目三应助Cupid采纳,获得30
3分钟前
大熊发布了新的文献求助10
3分钟前
zhanglongfei发布了新的文献求助10
3分钟前
hty完成签到 ,获得积分10
3分钟前
Cupid完成签到,获得积分10
3分钟前
3分钟前
morena应助科研通管家采纳,获得20
3分钟前
领会完成签到 ,获得积分10
3分钟前
时冬冬应助夏天无采纳,获得10
3分钟前
zhl完成签到,获得积分10
3分钟前
zhangbh1990完成签到 ,获得积分10
4分钟前
4分钟前
夏天无完成签到,获得积分10
4分钟前
4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 3154858
求助须知:如何正确求助?哪些是违规求助? 2805697
关于积分的说明 7865657
捐赠科研通 2463856
什么是DOI,文献DOI怎么找? 1311647
科研通“疑难数据库(出版商)”最低求助积分说明 629654
版权声明 601832