...
  • 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 >Using Diffusion Geometric Coordinates for Hyperspectral Imagery Representation
【24h】

Using Diffusion Geometric Coordinates for Hyperspectral Imagery Representation

机译：使用扩散几何坐标进行高光谱图像表示

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

Modeling hyperspectral imagery via nonlinear manifold learning approaches can successfully capture the intrinsic geometries of the underlying complex high-dimensional data, which gives the state-of-the-art hyperspectral imagery representation. In this letter, we demonstrate that diffusion geometric coordinates can also represent hyperspectral imagery in a concise way and reveal much more significant structures than traditional linear methods. This diffusion framework tries to form a diffusion operator on the investigated hyperspectral imagery which simulates Markov random walk on the constructed affinity graph. The diffusion geometric coordinates derived from diffusion maps of the hyperspectral data incorporate the intrinsic geometries well where much more details about species-level spatial distributions are revealed in our experiments which show better classification results than principle component analysis (PCA). For $10^{5}$– $10^{6}$ or even larger imagery, by exploiting the backbone approach, the computation complexity and memory requirement of the full-scene computation and representation are tractable, which shows the potential significant usefulness in the hyperspectral remote sensing field.
机译：通过非线性流形学习方法对高光谱图像建模可以成功捕获基础复杂高维数据的内在几何形状，从而提供最新的高光谱图像表示。在这封信中，我们证明了扩散几何坐标还可以以简洁的方式表示高光谱图像，并且比传统的线性方法显示出更多重要的结构。该扩散框架试图在研究的高光谱图像上形成扩散算子，该算子在构造的亲和图上模拟马尔可夫随机游动。从高光谱数据的扩散图得出的扩散几何坐标很好地结合了固有的几何形状，在我们的实验中揭示了更多有关物种级空间分布的细节，这些细节显示出比主成分分析（PCA）更好的分类结果。对于$ 10 ^ {5} $ – $ 10 ^ {6} $甚至更大的图像，通过利用主干方法，全场景计算和表示的计算复杂性和内存需求是可处理的，这表明在高光谱遥感领域。

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