一种用于高光谱解混的多分支卷积神经网络
计算机视觉与模式识别
2022-08-05 v1 图像与视频处理
摘要
高光谱解混仍是此类数据分析中最具挑战性的任务之一。深度学习在该领域蓬勃发展,并被证明优于其他经典解混技术,且可有效部署于配备高光谱成像仪的地球观测卫星上。在本快报中,我们沿此研究路径,提出了一种多分支卷积神经网络,其在解混过程中受益于融合光谱、空间及谱空特征。我们的实验结果表明(并有消融研究支撑),我们的技术优于文献中其他方法,并带来更高质量的分数丰度估计。此外,我们研究了缩减训练集对所有算法能力及抗噪鲁棒性的影响,因为在实际中(尤其在新兴地球观测场景下)获取大规模且具有代表性的真值集耗时且昂贵。
引用
@article{arxiv.2208.02361,
title = {A Multibranch Convolutional Neural Network for Hyperspectral Unmixing},
author = {Lukasz Tulczyjew and Michal Kawulok and Nicolas Longépé and Bertrand Le Saux and Jakub Nalepa},
journal= {arXiv preprint arXiv:2208.02361},
year = {2022}
}
备注
14 pages (including supplementary material), published in IEEE Geoscience and Remote Sensing Letters