arrow
返回

Enhanced Hyperspectral Image Classification Technique Using PCA-2D-CNN Algorithm and Null Spectrum Hyperpixel Features

delete2025-09-29
delete0
delete
OA
AI
H
Haitao Liu
W
Weihong Bi *
N
Neelam Mughees
DOI:10.3390/s25185790delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
随着现代遥感平台高维超光谱数据的日益普及,亟需准确高效分类方法以应对光谱冗余、空间变异性和维度灾难等挑战。当前超光谱图像分类技术已成为分析图像中物质信息的关键工具。然而,传统分类方法在处理多维数据时存在局限性。为解决这些挑战并优化超光谱图像分类算法,本研究采用了一种新型融合方法,结合基于零谱信息的PCA和2D卷积神经网络(CNNs)。首先,利用PCA对原始光谱数据进行降维以减少冗余信息并提取关键特征。随后,应用2D CNNs进一步提取空间特征并执行特征融合。CNNs强大的自适应学习能力使其能够通过联合处理空间和光谱特征,有效实现超光谱图像分类。结果表明,所提算法在Pavia和Indian Pines数据集上分别达到98.98%和97.94%的分类精度。与支持向量机(SVMs)和极限学习机(ELMs)等传统方法相比,所提算法在同一数据集上分别获得98.81%和98.64%的竞争力表现。该方案不仅提升了超光谱图像分类的准确性和效率,也为遥感数据处理与分析提供了有前景的解决方案。
AI总结

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

Sensors 封面图
Sensors
IF:
3.5
论文数:
7.2W
被引数:
20.9W

机构

F
faisalabad 37610
学者数:
18
论文数: 9
被引数: 0
Y
Yanshan University
学者数:
1.7W
论文数: 1.1W
被引数: 1.3W
引用论文

引用论文

Deep cross-modal discriminant adversarial learning for zero-shot sketch-based image retrieval
err2022-03-28
err0
PREAI
errShichao Jiao; Xie Han; Fengguang Xiong; Xiaowen Yang; Huiyan Han; Ligang He; Liqun Kuang
err分享
err收藏
err分享
err收藏
err分享
err收藏
学者 查看更多内容