...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Geoscience and Remote Sensing, IEEE Transactions on >Supervised Spectral–Spatial Hyperspectral Image Classification With Weighted Markov Random Fields
【24h】

Supervised Spectral–Spatial Hyperspectral Image Classification With Weighted Markov Random Fields

机译：加权马尔可夫随机场的监督光谱-空间高光谱图像分类

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

This paper presents a new approach for hyperspectral image classification exploiting spectral–spatial information. Under the maximum a posteriori framework, we propose a supervised classification model which includes a spectral data fidelity term and a spatially adaptive Markov random field (MRF) prior in the hidden field. The data fidelity term adopted in this paper is learned from the sparse multinomial logistic regression (SMLR) classifier, while the spatially adaptive MRF prior is modeled by a spatially adaptive total variation (SpATV) regularization to enforce a spatially smooth classifier. To further improve the classification accuracy, the true labels of training samples are fixed as an additional constraint in the proposed model. Thus, our model takes full advantage of exploiting the spatial and contextual information present in the hyperspectral image. An efficient hyperspectral image classification algorithm, named SMLR-SpATV, is then developed to solve the final proposed model using the alternating direction method of multipliers. Experimental results on real hyperspectral data sets demonstrate that the proposed approach outperforms many state-of-the-art methods in terms of the overall accuracy, average accuracy, and kappa $(k)$ statistic.
机译：本文提出了一种利用光谱空间信息进行高光谱图像分类的新方法。在最大的 后验 框架下，我们提出了一种监督分类模型，该模型包括一个光谱数据保真度项和一个在隐蔽域中先于空间自适应的马尔可夫随机域（MRF）。本文采用的数据保真度术语是从稀疏多项式逻辑回归（SMLR）分类器中获悉的，而空间自适应MRF先验是通过空间自适应总变化量（SpATV）正则化来建模的，以强制执行空间平滑分类器。为了进一步提高分类精度，训练样本的真实标签被固定为所提出模型中的附加约束。因此，我们的模型充分利用了高光谱图像中存在的空间和上下文信息。然后，开发了一种有效的高光谱图像分类算法，称为SMLR-SpATV，以使用乘法器的交替方向方法求解最终提出的模型。在真实的高光谱数据集上的实验结果表明，该方法在总体准确性，平均准确性和kappa上优于许多最新方法。 $ （k）$ 统计信息。

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