用于高光谱图像可视化的约束流形学习
计算机视觉与模式识别
2017-12-06 v1
摘要
在三分色监视器上显示高光谱图像（HSI）的大量波段对于HSI处理与分析系统十分重要。可视化图像应传达原始HSI的尽可能多信息，同时便于图像解译。然而，大多数现有方法以假彩色显示HSI，这与用户体验和期望相悖。本文提出一种基于约束流形学习的可视化方法，其目标是学习一幅既保留HSI流形结构又具有自然颜色的可视化图像。流形学习通过迫使具有相似光谱特征的像素以相似颜色显示来保留图像结构。在流形学习中应用复合核以将HSI的空间与光谱信息纳入嵌入空间。输出图像的颜色由相应的自然外观RGB图像约束，该RGB图像既可由HSI自身生成（例如从可见光波长波段选择），也可由单独设备捕获。我们的方法可在实例级与特征级完成。实例级学习直接获取HSI中像素的RGB坐标，而特征级学习从高维光谱空间到RGB空间学习显式映射函数。实验结果证明了所提方法在信息保留与自然彩色可视化方面的优势。
引用
@article{arxiv.1712.01657,
title = {Constrained Manifold Learning for Hyperspectral Imagery Visualization},
author = {Danping Liao and Yuntao Qian and Yuan Yan Tang},
journal= {arXiv preprint arXiv:1712.01657},
year = {2017}
}