基于拒绝场的鲁棒高光谱图像分类
计算机视觉与模式识别
2015-04-30 v1
摘要
本文提出一种利用上下文与拒绝的鲁棒高光谱图像分类新方法。高光谱图像分类通常是一个不适定图像问题，其中像素可能属于未知类别，且获取有代表性和完整的训练集代价高昂。此外，对高分类精度的需求常大于对整幅图像分类的需求。我们采用一种鲁棒分类方法处理该问题，该方法将带上下文的分类与带拒绝的分类相结合。一个用于引导拒绝的拒绝场由通过使用 SegSALSA 算法获得的带上下文信息的分类导出。我们在真实高光谱数据中验证了我们的方法，并表明由拒绝场获得的性能提升等同于训练集维度的增加。
引用
@article{arxiv.1504.07918,
title = {Robust hyperspectral image classification with rejection fields},
author = {Filipe Condessa and Jose Bioucas-Dias and Jelena Kovacevic},
journal= {arXiv preprint arXiv:1504.07918},
year = {2015}
}
备注
This paper was submitted to IEEE WHISPERS 2015: 7th Workshop on Hyperspectral Image and Signal Processing: Evolution on Remote Sensing. 5 pages, 1 figure, 2 tables