• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference on graphic and image processing >Hyperspectral Image Classification Based on Local Binary Patterns and PCANet
【24h】

Hyperspectral Image Classification Based on Local Binary Patterns and PCANet

机译：基于局部二值模式和PCANet的高光谱图像分类

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

摘要

Hyperspectral image classification has been well acknowledged as one of the challenging tasks of hyperspectral data processing. In this paper, we propose a novel hyperspectral image classification framework based on local binary pattern (LBP) features and PCANet. In the proposed method, linear prediction error (LPE) is first employed to select a subset of informative bands, and LBP is utilized to extract texture features. Then, spectral and texture features are stacked into a high dimensional vectors. Next, the extracted features of a specified position are transformed to a 2-D image. The obtained images of all pixels are fed into PCANet for classification. Experimental results on real hyperspectral dataset demonstrate the effectiveness of the proposed method.
机译：高光谱图像分类已被公认为高光谱数据处理的挑战性任务之一。在本文中，我们提出了一种基于局部二进制模式（LBP）特征和PCANet的新颖的高光谱图像分类框架。在提出的方法中，首先使用线性预测误差（LPE）选择信息带的子集，然后使用LBP提取纹理特征。然后，将光谱和纹理特征堆叠到高维向量中。接下来，将指定位置的提取特征转换为2D图像。将获得的所有像素的图像输入到PCANet中进行分类。在真实的高光谱数据集上的实验结果证明了该方法的有效性。

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