.png){kind=icon}
返回
Deep Learning for Hyperspectral Image Classification: An Overview
.png){kind=icon}
OA
AI
DOI：10.1109/TGRS.2019.2907932.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高光谱图像 (HSI) 分类已成为遥感领域的研究热点。总体而言，高光谱数据的复杂特征使得此类数据的准确分类对传统的机器学习方法具有挑战性。此外，高光谱成像通常处理捕获的光谱信息与相应材料之间的固有非线性关系。近年来，深度学习已被公认为有效解决非线性问题的强大特征提取工具，并广泛应用于许多图像处理任务。在这些成功应用的激励下，深度学习也被引入到hsi分类中，并表现出良好的性能。本文对基于深度学习的HSI分类文献进行了系统回顾，并比较了该主题的几种策略。具体来说，我们首先总结了传统机器学习方法无法有效克服的HSI分类的主要挑战，并介绍了深度学习处理这些问题的优势。然后，我们构建了一个框架，将相应的工作分为光谱特征网络，空间特征网络和光谱空间特征网络，以系统地回顾基于深度学习的HSI分类的最新成就。此外，考虑到遥感领域可用的训练样本通常非常有限，并且训练深度网络需要大量样本的事实，我们包括了一些提高分类性能的策略，这些策略可以为该主题的未来研究提供一些指导。最后，在我们的实验中，在真实的hsi上进行了几种代表性的基于深度学习的分类方法。
Keyword:
Classification
deep learning
feature extraction
hyperspectral image (HSI)
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
8.6
论文数:
2.1W
被引数:
10.7W
机构
引用论文
.png){kind=icon}
Deep Pyramidal Residual Networks for Spectral-Spatial Hyperspectral Image Classification用于光谱-空间高光谱图像分类的深度金字塔残差网络OAAI
OAAI分享收藏分享收藏Hyperspectral Image Classification Using Dictionary-Based Sparse Representation基于字典稀疏表示的高光谱图像分类
PREAI
分享收藏
查看更多内容