• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of visual communication & image representation >Adaptive total variation-based spectral-spatial feature extraction of hyperspectral image
【24h】

Adaptive total variation-based spectral-spatial feature extraction of hyperspectral image

机译：基于自适应总变化的高光谱图像光谱空间特征提取

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

In this paper, a simple yet quite useful hyperspectral images (HSI) classification method based on adaptive total variation filtering (ATVF) is proposed. The proposed method consists of the following steps: First, the spectral dimension of the HSI is reduced with principal component analysis (PCA). Then, ATVF is employed to extract image features which not only reduces the noise in the image, but also effectively exploits spatial-spectral information. Therefore, it can provide an improved representation. Finally, the efficient extreme learning machine (ELM) with a very simple structure is used for classification. This paper analyzes the influence of different parameters of the ATVF and ELM algorithm on the classification performance in detail. Experiments are performed on three hyperspectral urban data sets. By comparing with other HSI classification methods and other different feature extraction methods, the proposed method based on the ATVF algorithm shows outstanding performance in terms of classification accuracy and computational efficiency when compared with other hyperspectral classification methods. (C) 2018 Elsevier Inc. All rights reserved.
机译：本文提出了一种基于自适应总变异滤波（ATVF）的简单而实用的高光谱图像（HSI）分类方法。所提出的方法包括以下步骤：首先，通过主成分分析（PCA）减小HSI的光谱尺寸。然后，利用ATVF提取图像特征，不仅减少了图像中的噪声，而且有效地利用了空间光谱信息。因此，它可以提供改进的表示。最后，使用结构非常简单的高效极限学习机（ELM）进行分类。本文详细分析了ATVF和ELM算法的不同参数对分类性能的影响。在三个高光谱城市数据集上进行了实验。通过与其他HSI分类方法和其他不同特征提取方法的比较，与其他高光谱分类方法相比，该基于ATVF算法的方法在分类准确度和计算效率方面表现出出色的性能。 （C）2018 Elsevier Inc.保留所有权利。

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