• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >Hyperspectral and LiDAR Classification With Semisupervised Graph Fusion
【24h】

Hyperspectral and LiDAR Classification With Semisupervised Graph Fusion

机译：具有半质象图融合的高光谱和激光雷达分类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

To fuse hyperspectral and Light Detection And Ranging (LiDAR), we propose a semisupervised graph fusion (SSGF) approach. We apply morphological filters to LiDAR and the first few components of hyperspectral data to model the height and spatial information, respectively. Then, the proposed SSGF is used to project the spectral, elevation, and spatial features onto a lower subspace to obtain the new features. In particular, the objective of SSGF is to maximize the class separation ability and preserve the local neighborhood structure by using both labeled and unlabeled samples. Experimental results on the hyperspectral and LiDAR data from the 2013 IEEE Geoscience and Remote Sensing Society (GRSS) Data Fusion Contest demonstrated the superiority of the SSGF.
机译：为了熔断高光谱和光检测和测距（LIDAR），我们提出了一种半体验的图形融合（SSGF）方法。我们将形态过滤器应用于LIDAR和高光谱数据的前几个组件，以分别模拟高度和空间信息。然后，所提出的SSGF用于将光谱，高程和空间特征投影到较低子空间上以获得新功能。特别地，SSGF的目的是通过使用标记和未标记的样本来最大化类别分离能力并保留本地邻域结构。 2013年IEEE地球科学和遥感社会（GRS）数据融合竞赛的实验结果来自2013年IEEE地球科学和遥感社会（GRS）数据融合竞赛展示了SSGF的优越性。

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