• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Geoscience and Remote Sensing Symposium >A novel semisupervised framework for multiple change detection in hyperspectral images
【24h】

A novel semisupervised framework for multiple change detection in hyperspectral images

机译：一种新颖的半监督框架，用于高光谱图像中的多重变化检测

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper presents a novel semisupervised framework for detecting multi-class changes in bitemporal hyperspectral images. By taking advantages of the state-of-the-art unsupervised change representation technique and the advanced supervised classifiers, the proposed framework allows the generation of pseudo training samples associated with the no-change and each change class that learned from the multitemporal data and import them into the supervised classifiers. Thus multiple changes can be discriminated from the original or the transformed feature space. The proposed approach was validated on a pair of real bitemporal Hyperion hyperspectral images, and the obtained experimental results confirm its effectiveness in addressing the challenging multi-class change detection task in hyperspectral images.
机译：本文提出了一种新颖的半监督框架，用于检测双时变高光谱图像中的多类变化。通过利用最新的无监督变更表示技术和高级监督分类器，提出的框架允许生成与无变更相关的伪训练样本以及从多时态数据中学习的每个变更类别并导入他们进入监督分类器。因此，可以将多个更改与原始或转换后的特征空间区分开。该方法在一对真实的双时相Hyperion高光谱图像上得到了验证，获得的实验结果证实了该方法在解决高光谱图像中具有挑战性的多类变化检测任务方面的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号