用于高光谱解混的深度谱卷积网络
计算机视觉与模式识别
2018-06-25 v1
摘要
本文提出一种基于深度谱卷积网络(DSCN)的新型高光谱解混技术。具体而言,全文给出了三项重要贡献。第一,以谱卷积替代全连接线性运算,借助更深的网络架构从高光谱签名中提取局部光谱特征。第二,我们提出谱归一化层以替代批归一化,通过归一化滤波器的光谱响应提升其选择性。第三,我们引入两种融合配置,利用前层计算的抽象表示生成理想的丰度图。实验中,我们使用两个真实数据集与其他基线技术评估本方法性能。实验结果验证了所提方法在均方根误差(RMSE)上优于基线。
引用
@article{arxiv.1806.08562,
title = {Deep Spectral Convolution Network for HyperSpectral Unmixing},
author = {Savas Ozkan and Gozde Bozdagi Akar},
journal= {arXiv preprint arXiv:1806.08562},
year = {2018}
}
备注
Accepted to ICIP 2018