基于子空间的高光谱与多光谱图像特征融合用于土地覆盖分类
图像与视频处理
2022-04-05 v2 计算机视觉与模式识别
摘要
在遥感中，高光谱(HS)与多光谱(MS)图像融合已成为提高数据集分辨率的合成工具。然而，传统图像融合方法通常会降低土地覆盖分类的性能。本文提出一种用于基于像素分类的 HS 与 MS 图像特征融合方法。更确切地说，该方法首先利用形态学剖面从 MS 图像中提取空间特征。然后，特征融合模型假设所提取的形态学剖面与 HS 图像均可描述为位于不同子空间中的特征矩阵。基于交替优化(AO)与交替方向乘子法(ADMM)相结合的算法被开发出来以高效求解特征融合问题。最后，通过大量仿真评估了所提特征融合方法在两个数据集上的性能。总体而言，与其他特征提取方法相比，所提方法表现出具有竞争力的性能。
引用
@article{arxiv.2102.11228,
title = {Subspace-Based Feature Fusion From Hyperspectral And Multispectral Image For Land Cover Classification},
author = {Juan Ramírez and Héctor Vargas and José Ignacio Martínez and Henry Arguello},
journal= {arXiv preprint arXiv:2102.11228},
year = {2022}
}
备注
4 pages, 2 figures, 1 table, and 2 algorithms. Submitted to the International Geoscience and Remote Sensing Symposium (2021)