• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Geoscience Remote Sensing Symposium >Extended Subspace Method for Remote Sensing Image Classification
【24h】

Extended Subspace Method for Remote Sensing Image Classification

机译：遥感图像分类的扩展子空间方法

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

摘要

This study proposes an extended subspace method (ESM) in feature extraction and dimension-reduction problems for land cover classification of hyperspectral and multi-spectral remote sensing images. The main idea of our method is to use a multiple similarity method (MSM) onto an averaged learning subspace method (ALSM) and makes use of fidelity value criteria in the selection of the optimal subspace dimensions. This method is compared with the support vector machine (SVM) method using Compact Airborne Spectrographic Imager-2 (CASI-2) hyperspectral remote sensing data. Experimental results show that ESM is a valid and effective alternative to other pattern recognition approaches for the classification of remote sensing data.
机译：本研究提出了一种扩展的子空间方法（ESM）在高光谱和多光谱遥感图像的土地覆盖分类中的特征提取和尺寸减小问题中的扩展子空间方法（ESM）。我们的方法的主要思想是在平均学习子空间方法（ALSM）上使用多个相似性方法（MSM），并在选择最佳子空间尺寸时使用保真值值标准。将该方法与使用紧凑空气光谱成像器-2（CASI-2）高光谱遥感数据进行比较了与支持向量机（SVM）方法进行比较。实验结果表明，ESM是对遥感数据分类的其他模式识别方法的有效且有效的替代方案。

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