May, 2024

基于广义 3DTV 和张量 CUR 分解的高光谱波段选择

PDF
TL;DR该研究提出了一种新的高光谱波段选择模型，通过将数据分解为低秩平滑组分和稀疏组分，采用广义三维总变差（G3DTV）和交替方向乘子法（ADMM）来提高计算效率和抑制空间 - 光谱平滑性，验证了该方法的有效性，并提供了参数选择的实用指南。
hyperspectral imagingband selectionlow-rank and smooth componentsparse componentgeneralized 3d total variation
发现论文，激发创造
  • 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

  • 基于降维方法的高光谱成像异常检测的经验分析

    最近的研究尝试使用高光谱成像（HSI）来检测产品中的异物，因为它能够可视化包括紫外线和红外线在内的不可见波长。本文提出了一种新的特征选择方法，通过绕过传统的维度缩减方法，实现了更好的解释性和捕捉 HSI 的时间延迟问题，从而重新设计了一个任务优化和成本效益的光谱相机。通过对合成 MVTec AD 数据集进行广泛的实验证明，与特征提取方法相比，特征选择方法在推断阶段显示出 6.90 倍的更快速度，同时保持了异常检测的性能。最终，我们得出结论，特征选择方法具有高效且快速的优势。

    Jan, 2024

  • 可解释的块项张量建模超光谱超分辨率

    本文研究了基于张量分解的高光谱超分辨率技术，提出了一种基于 LL1 张量分解的方法，可以将潜在因子解释为光谱图像的关键组成部分，从而便于加入先验信息以提高性能。

    Jun, 2020

  • 互信息和最陡上升策略的特征选择智能算法

    本文设计了一个基于互信息的算法，与最陡上升算法相结合，以提高对 HSI 分类有用的相关波段的对称不确定性系数策略的特征选择工具和包装器策略，以控制冗余和提高对人工智能的理解和适应。

    Oct, 2022

  • 基于 3D 卷积引导的光谱 - 空间变换器用于高光谱图像分类

    我们提出了一种基于 3D 卷积引导的光谱 - 空间 Transformer（3D-ConvSST）的高光谱图像分类方法，该方法利用 3D 卷积引导的残差模块（CGRM）在编码器之间来 “融合” 局部空间和光谱信息以增强特征传递，并通过全局平均池化来提取更具有辨别力和相关性的高级特征进行分类。在三个公共高光谱图像数据集上进行了大量实验，证明了所提出模型相比传统的、卷积和 Transformer 模型的优越性。

    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

  • 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

  • 嵌入式自适应优化的高光谱波段选择对图像语义分割的影响

    我们提出了一种嵌入式高光谱波段选择方法，不依赖先前处理，通过自适应 Stochastic Gates (STG) 算法进行波段选择，适用于真实时间或资源有限的应用，具有优越的准确性和易用性。

    Jan, 2024

  • 基于子空间正则化的高光谱图像超分辨率的凸形式表达

    该研究介绍了一种基于凸优化的构建高分辨率 HSI 和高分辨率 MSI 综合图像的数据融合方法，使用向量全变差作为正则化项，通过 Split Augmented Lagrangian Shrinkage Algorithm（SALSA）算法实现优化，取得了优于现有算法的效果。

    Nov, 2014

  • 基于对数低秩张量环分解的高光谱图像融合

    通过结合低空间分辨率高光谱图像（LR-HSI）和高空间分辨率多光谱图像（HR-MSI），提出一种基于张量环分解和张量核范数优化的图像融合方法，以改善高分辨率高光谱图像的视觉质量和各种定量指标的表现。

    Oct, 2023