...
  • 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 >Fusion of Multispectral LiDAR, Hyperspectral, and RGB Data for Urban Land Cover Classification
【24h】

Fusion of Multispectral LiDAR, Hyperspectral, and RGB Data for Urban Land Cover Classification

机译：多光谱利来的融合，高光谱和城市土地覆盖分类的RGB数据

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

With the increasing importance of monitoring urban areas, the question arises which sensors are best suited to solve the corresponding challenges. This letter proposes novel node tests within the random forest (RF) framework, which allows them to apply them to optical RGB images, hyperspectral images, and light detection and ranging (LiDAR) data, either individually or in combination. This does not only allow to derive accurate classification results for many relevant urban classes without preprocessing or feature extraction but also provides insights into which sensor offers the most meaningful data to solve the given classification task. The achieved results on a public benchmark data set are superior to results obtained by deep learning approaches despite being based on only a fraction of training samples.
机译：随着监测城市地区的重要性越来越重要，出现了哪些传感器最适合解决相应挑战的问题。此字母提出了随机林（RF）框架内的新型节点测试，其允许它们以单独或组合方式将它们应用于光学RGB图像，高光谱图像和光检测和测距（LIDAR）数据。这不仅允许在没有预处理或特征提取的情况下为许多相关的城市类进行准确的分类结果，而且还提供了传感器提供最有意义的数据来解决给定分类任务的洞察。尽管仅基于仅基于培训样本的一小部分，但在公共基准数据集上实现的结果优于深度学习方法获得的结果。

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