基于子空间学习的高光谱图像单类分类分析

Apr, 2023

基于子空间学习的高光谱图像单类分类分析

Hyperspectral Image Analysis with Subspace Learning-based One-Class Classification

Sertac Kilickaya, Mete Ahishali, Fahad Sohrab, Turker Ince, Moncef Gabbouj

TL;DR本研究提出一种基于子空间学习的单类分类技术，能够对高光谱数据进行有效分类，具有对付高维度和标签不平衡问题的能力。

Abstract

Hyperspectral image (HSI) classification is an important task in many applications, such as environmental monitoring, medical imaging, and land use/land cover (LULC) classification. Due to the significant amount of spectral information from recent HSI sensors, analyzing the acquired images is challenging using traditional Machine Learning (ML) methods. As th

hyperspectral image classification machine learning methods one-class classification subspace learning dimensionality reduction

发现论文，激发创造

高光谱图像分类的深度学习：综述

本文综述了基于深度学习的高光谱影像分类方法，并比较了几种解决方案。该框架将相关工作分为光谱特征网络、空间特征网络和光谱空间特征网络三部分，最后，基于实际高光谱数据验证了几种典型的深度学习分类算法。

Oct, 2019

使用深度学习技术的单模态和多模态超光谱图像分析

应用深度学习技术来处理高光谱影像的挑战，如高维度和有限空间分辨率，并通过多模态学习整合雷达和合成孔径雷达数据以提高空间分辨率。此外，采用对抗学习和知识蒸馏来解决领域差异和缺失模态的问题。通过自监督学习方法应对有限的训练样本，并通过降维的自动编码器和半监督学习技术利用无标签数据。所提出的方法在各种高光谱数据集上进行评估，并持续超越现有的最先进技术。

Mar, 2024

基于图卷积网络的高光谱图像对比多视角子空间聚类

通过使用图卷积网络进行对比多视图子空间聚类，该研究提出了一种有效的方法来解决高维复杂光谱结构对高光谱图像聚类的挑战，通过最大限度地利用 HSI 中的空间和纹理特征信息来提高聚类准确性。

Dec, 2023

基于图卷积网络的多视角高光谱图像子空间聚类

该研究提出了一种基于图卷积网络的高光谱图像的多视角子空间聚类方法，利用空间关系分析和表达了高光谱图像的特性，并通过两个图卷积子空间构建了更具区分度的特征图，该模型在三个流行的高光谱图像数据集上具有较高的聚类准确性。

Mar, 2024

基于多重结构嵌入和降维的高光谱图像分类和杂波检测

利用本文提出的新型方法进行高光谱图像分类与杂波检测，采用了局部线性嵌入（LLE）和结构丰富的表示环境。在两个外部结构层的帮助下，通过特征空间嵌入和参数范围调整，有效克服了高光谱数据本身的不确定性和噪声问题。实验结果表明，该方法可以在样本数量较少的情况下，获得显着的高精度分类结果，以及检测出杂波区域的特征图。

Jun, 2015

遥感维度规约方法分析及综合仪表盘

本文综述了寻找好的波段来分类区域项目的方法。一些方法利用互信息和阈值选择相关图像，而其他方法则控制和避免冗余。作者提出的仪表板有助于分析假定的特征选择和提取软件。

Oct, 2022

多层次图子空间对比学习用于高光谱图像聚类

本文提出了一种用于高光谱图像 (HSI) 聚类的多级图像子空间对比学习 (MLGSC) 模型，通过构建图卷积子空间、局部全局图表示和多级对比学习，有效提高了聚类准确性。在四个常见的 HSI 数据集上进行评估，结果显示该模型的整体准确率显著优于当前最先进的聚类方法。

Apr, 2024

基于图神经网络和注意力机制的遥感数据高光谱图像分类方法综述

使用深度学习技术进行高光谱成像的分类正在迅速增长并取得更好的性能。本综述提供了基于图和注意力机制的方法来进行遥感和航空高光谱图像分类的综合概述，同时总结了相关数据集和处理技术的基准评估。

Oct, 2023

非参数视角分配预测的高光谱图像半监督学习

本研究提出了一种半监督深度自监督预训练方法来解决高光谱图像分类中存在的维度灾难和对大量样本数据需求的问题，通过伪标签来加强半监督训练效果，实验结果表明该方法优于自监督和监督方法。

Jun, 2023

一种用于高光谱图像分类的快速三维卷积神经网络

本论文提出了一种利用 3D CNN 模型用于 HSI 分类的方法，其利用了空间光谱特征图以实现良好的性能，并对其性能进行了实验验证。

Apr, 2020