高光谱图像分类——从传统模型到深度模型：未来展望综述
图像与视频处理
2022-04-28 v3 计算机视觉与模式识别
摘要
高光谱成像（HSI）因每个像素所含详细光谱信息的优势，已在许多实际生活中得到广泛应用。值得注意的是，HSI 数据所捕获光谱信息与其对应物体之间存在的非线性关系等复杂特性，使得传统方法难以实现准确分类。过去几年中，深度学习（DL）已被证实是一种强大的特征提取器，能有效解决众多计算机视觉任务中出现的非线性问题。这促使将 DL 应用于 HSI 分类（HSIC），并展现出良好性能。本综述系统梳理了 DL 用于 HSIC 的研究，并对该主题下的先进策略进行了比较。首先，我们将概括传统机器学习用于 HSIC 的主要挑战，随后阐明 DL 解决这些问题的优越性。本综述将先进的 DL 框架划分为光谱特征、空间特征以及空间-光谱联合特征，以系统分析这些框架用于 HSIC 的成果（及未来研究方向）。此外，我们考虑到 DL 需要大量标注训练样本，而 HSIC 中获取此类样本在时间与成本上均具挑战性。因此，本综述讨论了若干提升 DL 策略泛化性能的方法，可为未来研究提供指导。
引用
@article{arxiv.2101.06116,
title = {Hyperspectral Image Classification-Traditional to Deep Models: A Survey for Future Prospects},
author = {Muhammad Ahmad and Sidrah Shabbir and Swalpa Kumar Roy and Danfeng Hong and Xin Wu and Jing Yao and Adil Mehmood Khan and Manuel Mazzara and Salvatore Distefano and Jocelyn Chanussot},
journal= {arXiv preprint arXiv:2101.06116},
year = {2022}
}
备注
https://ieeexplore.ieee.org/abstract/document/9645266