使用具有形状自适应重构与平滑全变差的SVM对高光谱图像进行分类
计算机视觉与模式识别
2022-04-15 v3 机器学习
摘要
本文提出了一种称为具有形状自适应重构与平滑全变差的SVM（SaR-SVM-STV）的新算法用于对高光谱图像进行分类，该算法充分利用了空间和光谱信息。引入形状自适应重构（SaR）基于其形状自适应（SA）区域内像素间的Pearson相关性对每个像素进行预处理。训练支持向量机（SVM）以估计每类的像素级概率图。然后应用平滑全变差（STV）模型去噪并生成最终分类图。实验表明，在少量训练标签下，SaR-SVM-STV优于SVM-STV方法，证明了在分类前对高光谱图像进行重构的重要性。
引用
@article{arxiv.2203.15619,
title = {Classification of Hyperspectral Images Using SVM with Shape-adaptive Reconstruction and Smoothed Total Variation},
author = {Ruoning Li and Kangning Cui and Raymond H. Chan and Robert J. Plemmons},
journal= {arXiv preprint arXiv:2203.15619},
year = {2022}
}
备注
6 pages, 3 figures. Accepted to Proceedings of IEEE IGARSS 2022