期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多层次空-谱融合网络的高光谱图像分类
1
作者
欧阳宁
李祖锋
林乐平
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2022年第10期2438-2446,共9页
为了在高光谱图像分类中更好提取和表达光谱与空间的精细特征以及特征间的交互信息,提出一种基于多层次空-谱融合网络的高光谱图像分类方法。首先,利用多层次特征提取模块,分别提取高光谱图像的多层次空间和光谱特征;其次,设计空-谱特...
为了在高光谱图像分类中更好提取和表达光谱与空间的精细特征以及特征间的交互信息,提出一种基于多层次空-谱融合网络的高光谱图像分类方法。首先,利用多层次特征提取模块,分别提取高光谱图像的多层次空间和光谱特征;其次,设计空-谱特征交互融合模块将获得的多层次空间与光谱特征进行特征融合,以产生空-谱融合特征。本文方法可以结合网络中不同层次的空间与光谱特征,有效地捕获高光谱图像精细特征;同时,通过联合学习融合空间与光谱特征,捕获光谱与空间特征之间交互作用。实验结果表明,与现有基于神经网络的分类方法相比,所提出的高光谱图像分类算法能够获得更高的分类精度,表明该网络能有效地提取精细特征和增强空-谱融合特征的表达能力。
展开更多
关键词
高光
谱
图像分类
多层次
特征
提取模块
空
-
谱
特征
交互
融合
模块
特征
融合
原文传递
基于稀疏图正则矩阵判别分析的高光谱图像分类
被引量:
1
2
作者
黄晓伟
杭仁龙
+1 位作者
孙玉宝
刘青山
《南京师大学报(自然科学版)》
CAS
CSCD
北大核心
2019年第1期51-58,共8页
光谱和空间信息的联合使用是高光谱图像分类领域的研究热点之一.本文在已有的矩阵判别分析(MDA)模型的基础上,提出了一种基于稀疏图正则的改进模型.在有效融合高光谱图像光谱-空间信息的同时,能充分挖掘无标签样本的信息,从而提升了模...
光谱和空间信息的联合使用是高光谱图像分类领域的研究热点之一.本文在已有的矩阵判别分析(MDA)模型的基础上,提出了一种基于稀疏图正则的改进模型.在有效融合高光谱图像光谱-空间信息的同时,能充分挖掘无标签样本的信息,从而提升了模型的分类性能.为了验证本文算法的有效性,在两个高光谱数据集上,与多种方法进行了对比.实验结果表明,本文提出的算法优于其他同类算法.
展开更多
关键词
高光
谱
图像分类
谱
-
空
特征
融合
矩阵判别分析
稀疏图正则
下载PDF
职称材料
基于超像素分割与卷积神经网络的高光谱图像分类
3
作者
陈如俊
普运伟
+2 位作者
吴锋振
刘昱岑
李奇
《激光与光电子学进展》
CSCD
北大核心
2023年第16期156-164,共9页
针对卷积神经网络(CNN)在分类高光谱图像时空-谱特征利用率不足和分类效率低的问题,提出基于超像素分割与CNN的高光谱图像分类方法。首先利用主成分分析(PCA)提取图像的前12个成分后对前3个主成分进行滤波,对滤波后的3个波段进行超像素...
针对卷积神经网络(CNN)在分类高光谱图像时空-谱特征利用率不足和分类效率低的问题,提出基于超像素分割与CNN的高光谱图像分类方法。首先利用主成分分析(PCA)提取图像的前12个成分后对前3个主成分进行滤波,对滤波后的3个波段进行超像素分割;然后将样本点映射到超像素内,使其以超像素而不是像素为基本的分类单元;最后利用CNN进行图像分割。在两个公共的数据集WHU-Hi-Longkou和WHU-Hi-HongHu上进行实验,实验结果表明,相比仅利用光谱信息的方法,融合空-谱特征信息的方法的精度得到提升,在两个数据集上的分类精度分别达99.45%和97.60%。
展开更多
关键词
超像素
卷积神经网络
主成分分析
空-谱特征融合
滤波
原文传递
题名
基于多层次空-谱融合网络的高光谱图像分类
1
作者
欧阳宁
李祖锋
林乐平
机构
桂林电子科技大学信息与通信学院
出处
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2022年第10期2438-2446,共9页
基金
国家自然科学基金项目(62001133,62177012)
广西科技重大专项项目(桂科AA20302001)
+2 种基金
广西科技基地和人才专项项目(桂科AD19110060)
广西无线宽带通信与信号处理重点实验室基金项目(GXKL06200114)
广西高等学校千名中青年骨干教师培育计划项目.
文摘
为了在高光谱图像分类中更好提取和表达光谱与空间的精细特征以及特征间的交互信息,提出一种基于多层次空-谱融合网络的高光谱图像分类方法。首先,利用多层次特征提取模块,分别提取高光谱图像的多层次空间和光谱特征;其次,设计空-谱特征交互融合模块将获得的多层次空间与光谱特征进行特征融合,以产生空-谱融合特征。本文方法可以结合网络中不同层次的空间与光谱特征,有效地捕获高光谱图像精细特征;同时,通过联合学习融合空间与光谱特征,捕获光谱与空间特征之间交互作用。实验结果表明,与现有基于神经网络的分类方法相比,所提出的高光谱图像分类算法能够获得更高的分类精度,表明该网络能有效地提取精细特征和增强空-谱融合特征的表达能力。
关键词
高光
谱
图像分类
多层次
特征
提取模块
空
-
谱
特征
交互
融合
模块
特征
融合
Keywords
hyperspectral image classification
hierarchical features extraction module
spatial
-
spectral feature interactive fusion module
feature fusion
分类号
TP753 [自动化与计算机技术—检测技术与自动化装置]
原文传递
题名
基于稀疏图正则矩阵判别分析的高光谱图像分类
被引量:
1
2
作者
黄晓伟
杭仁龙
孙玉宝
刘青山
机构
江苏省大数据分析技术重点实验室南京信息工程大学信息与控制学院
出处
《南京师大学报(自然科学版)》
CAS
CSCD
北大核心
2019年第1期51-58,共8页
基金
国家自然科学基金(61672292)
江苏省高校自然科学研究面上项目(18KJB520032)
江苏省青年基金项目(BK20180786)
文摘
光谱和空间信息的联合使用是高光谱图像分类领域的研究热点之一.本文在已有的矩阵判别分析(MDA)模型的基础上,提出了一种基于稀疏图正则的改进模型.在有效融合高光谱图像光谱-空间信息的同时,能充分挖掘无标签样本的信息,从而提升了模型的分类性能.为了验证本文算法的有效性,在两个高光谱数据集上,与多种方法进行了对比.实验结果表明,本文提出的算法优于其他同类算法.
关键词
高光
谱
图像分类
谱
-
空
特征
融合
矩阵判别分析
稀疏图正则
Keywords
hyperspectral image classification
spatial
-
spectral feature fusion
matrix
-
based discriminant analysis(MDA)
sparse graph regularization
分类号
TP751 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于超像素分割与卷积神经网络的高光谱图像分类
3
作者
陈如俊
普运伟
吴锋振
刘昱岑
李奇
机构
昆明理工大学国土资源工程学院
昆明理工大学计算中心
出处
《激光与光电子学进展》
CSCD
北大核心
2023年第16期156-164,共9页
文摘
针对卷积神经网络(CNN)在分类高光谱图像时空-谱特征利用率不足和分类效率低的问题,提出基于超像素分割与CNN的高光谱图像分类方法。首先利用主成分分析(PCA)提取图像的前12个成分后对前3个主成分进行滤波,对滤波后的3个波段进行超像素分割;然后将样本点映射到超像素内,使其以超像素而不是像素为基本的分类单元;最后利用CNN进行图像分割。在两个公共的数据集WHU-Hi-Longkou和WHU-Hi-HongHu上进行实验,实验结果表明,相比仅利用光谱信息的方法,融合空-谱特征信息的方法的精度得到提升,在两个数据集上的分类精度分别达99.45%和97.60%。
关键词
超像素
卷积神经网络
主成分分析
空-谱特征融合
滤波
Keywords
super pixel
convolutional neural network
principal component analysis
spatial
-
spectral feature fusion
filtering
分类号
TP751 [自动化与计算机技术—检测技术与自动化装置]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于多层次空-谱融合网络的高光谱图像分类
欧阳宁
李祖锋
林乐平
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2022
0
原文传递
2
基于稀疏图正则矩阵判别分析的高光谱图像分类
黄晓伟
杭仁龙
孙玉宝
刘青山
《南京师大学报(自然科学版)》
CAS
CSCD
北大核心
2019
1
下载PDF
职称材料
3
基于超像素分割与卷积神经网络的高光谱图像分类
陈如俊
普运伟
吴锋振
刘昱岑
李奇
《激光与光电子学进展》
CSCD
北大核心
2023
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部