遥感图像的张量表示与流形学习方法
计算机视觉与模式识别
2014-01-14 v1
摘要
对地观测的主要目的之一是高效、准确地从遥感 (RS) 图像中提取感兴趣的信息与知识。然而，随着 RS 技术的发展，RS 系统提供的图像比以往具有更高的空间和时间分辨率以及更多的光谱通道，人工解译这些图像效率低下且几乎不可能。因此，探索自动且智能的算法以高精度地快速处理此类海量 RS 数据具有重要意义。本论文旨在依托机器学习中的先进技术，为 RS 图像开发一些高效的信息提取算法。更准确地说，我们以流形学习算法为主线，将正则化理论、基于张量的方法、稀疏学习与迁移学习统一到同一框架中。本论文的主要贡献如下。
引用
@article{arxiv.1401.2871,
title = {Tensor Representation and Manifold Learning Methods for Remote Sensing Images},
author = {Lefei Zhang},
journal= {arXiv preprint arXiv:1401.2871},
year = {2014}
}
备注
7 pages