• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Geoscience and Remote Sensing Symposium >Deep Learning Hyperspectral Image Classification using Multiple Class-Based Denoising Autoencoders, Mixed Pixel Training Augmentation, and Morphological Operations
【24h】

Deep Learning Hyperspectral Image Classification using Multiple Class-Based Denoising Autoencoders, Mixed Pixel Training Augmentation, and Morphological Operations

机译：使用多个基于类别的降噪自动编码器，混合像素训练增强和形态运算的深度学习高光谱图像分类

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

摘要

Herein, we present a system for hyperspectral image segmentation that utilizes multiple class-based denoising autoen-coders which are efficiently trained. Moreover, we present a novel hyperspectral data augmentation method for labelled HSI data using linear mixtures of pixels from each class, which helps the system with edge pixels which are almost always mixed pixels. Finally, we utilize a deep neural network and morphological hole-filling to provide robust image classification. Results run on the Salinas dataset verify the high performance of the proposed algorithm.
机译：在这里，我们提出了一种高光谱图像分割系统，该系统利用了经过有效训练的多个基于类的降噪自动编码器。此外，我们提出了一种使用来自每个类别的像素的线性混合来标记HSI数据的新颖的高光谱数据增强方法，这有助于边缘像素几乎总是混合像素的系统。最后，我们利用深度神经网络和形态学填充技术来提供可靠的图像分类。在Salinas数据集上运行的结果证明了所提出算法的高性能。

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