基于多重结构嵌入与降维的高光谱图像分类及杂波检测
计算机视觉与模式识别
2015-06-04 v1
摘要
我们提出一种用于高光谱图像（HSI）分类与杂波检测的新且有效的方法，克服了由HSI数据特性带来的若干长期存在的挑战。已知HSI数据样本驻留于高维光谱属性空间，其光谱特征高度相关，由于若干物理定律呈现非线性结构，并包含来自多源的不确定性与噪声。在所提方法中，我们生成自适应的、结构丰富的表示环境，并在其中采用局部线性嵌入（LLE）。存在两个位于LLE外部的结构层。其一为特征空间嵌入：将HSI数据属性嵌入到判别性特征空间中，从中提炼并利用时空光谱一致性及区分性结构，以缓解原生高光谱属性空间中遇到的各种困难。另一结构层包围LLE与特征嵌入的算法参数范围，并支持用于应对多源不确定性的多路复用与集成方案。在两个常用HSI数据集上以少量学习样本进行的实验给出了极高精度的分类结果，以及检测到的杂波区域的显著图。
引用
@article{arxiv.1506.01115,
title = {Hyperspectral Image Classification and Clutter Detection via Multiple Structural Embeddings and Dimension Reductions},
author = {Alexandros-Stavros Iliopoulos and Tiancheng Liu and Xiaobai Sun},
journal= {arXiv preprint arXiv:1506.01115},
year = {2015}
}
备注
13 pages, 6 figures (30 images), submitted to International Conference on Computer Vision (ICCV) 2015