...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Geoscience and Remote Sensing Letters, IEEE >FSPE: Visualization of Hyperspectral Imagery Using Faithful Stochastic Proximity Embedding
【24h】

FSPE: Visualization of Hyperspectral Imagery Using Faithful Stochastic Proximity Embedding

机译：FSPE：使用忠实随机邻近嵌入的高光谱图像可视化

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

Hyperspectral image visualization reduces color bands to three, but prevailing linear methods fail to address data characteristics, and nonlinear embeddings are computationally demanding. Qualitative evaluation of embedding is also lacking. We propose faithful stochastic proximity embedding (FSPE), which is a scalable and nonlinear dimensionality reduction method. FSPE considers the nonlinear characteristics of spectral signatures, yet it avoids the costly computation of geodesic distances that are often required by other nonlinear methods. Furthermore, we employ a pixelwise metric that measures the quality of hyperspectral image visualization at each pixel. FSPE outperforms the state-of-art methods by at least 12% on average and up to 25% in the qualitative measure. An implementation on graphics processing units is two orders of magnitude faster than the baseline. Our method opens the path to high-fidelity and real-time analysis of hyperspectral images.
机译：高光谱图像可视化可将色带减少到三个，但是目前流行的线性方法无法解决数据特征，并且非线性嵌入在计算上要求很高。还缺乏对嵌入的定性评估。我们提出忠实的随机邻近嵌入（FSPE），这是一种可扩展的非线性降维方法。 FSPE考虑了频谱特征的非线性特征，但它避免了其他非线性方法通常需要的测地距离的昂贵计算。此外，我们采用逐像素度量标准来度量每个像素处的高光谱图像可视化质量。 FSPE的平均性能优于最先进的方法至少12％，而定性指标则高达25％。图形处理单元的实现比基线快两个数量级。我们的方法为高保真和实时分析高光谱图像开辟了道路。

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