使用多类去噪自编码器、混合像素训练增强与形态学运算的深度学习高光谱图像分类
计算机视觉与模式识别
2018-07-30 v1 机器学习
机器学习
摘要
本文提出一种利用多个基于类的去噪自编码器的高效训练高光谱图像分割系统。此外，我们提出一种利用每类像素的线性混合对带标签高光谱图像数据进行增强的新方法，这有助于系统处理几乎总是混合像素的边缘像素。最后，我们利用深度神经网络和形态学孔洞填充来提供鲁棒的图像分类。在Salinas数据集上的结果验证了所提算法的高性能。
引用
@article{arxiv.1807.10574,
title = {Deep Learning Hyperspectral Image Classification Using Multiple Class-based Denoising Autoencoders, Mixed Pixel Training Augmentation, and Morphological Operations},
author = {John E. Ball and Pan Wei},
journal= {arXiv preprint arXiv:1807.10574},
year = {2018}
}