基于张量对齐的域自适应高光谱图像分类方法
图像与视频处理
2020-01-08 v2 计算机视觉与模式识别
摘要
本文提出一种基于张量对齐（TA）的域自适应方法用于高光谱图像（HSI）分类。具体而言，首先将两域中的高光谱图像分割为超像素，并构建两域的张量以包含来自单个超像素的邻域样本。接着，我们将两域间的子空间不变性视为投影矩阵，并通过施加 Tucker 分解将原始张量作为低维核心张量投影到不变张量子空间中。为保留原始张量中的几何信息，我们在分解过程中对核心张量引入流形正则化项。投影矩阵与核心张量以交替优化方式求解，并分析了 TA 算法的收敛性。此外，定义了一种基于每超像素纯样本提取的后处理策略以进一步提升分类性能。在四组真实高光谱图像上的实验结果表明，当仅有少量源域标注样本可用时，所提方法相比最先进的子空间学习方法能取得更优性能。
引用
@article{arxiv.1808.09769,
title = {Tensor Alignment Based Domain Adaptation for Hyperspectral Image Classification},
author = {Yao Qin and Lorenzo Bruzzone and Biao Li},
journal= {arXiv preprint arXiv:1808.09769},
year = {2020}
}
备注
15 pages, 10 figures