Proceedings of the IEEE· 2012Q1
Hiperspektral Görüntülerin Spektral-Mekansal Sınıflandırılmasında Gelişmeler
Advances in Spectral-Spatial Classification of Hyperspectral Images
- 1.271atıf
- Q1SCImago
- 2012yıl
Kısa özet
Hiperspektral görüntüler için yeni bir spektral-mekansal sınıflandırma yöntemi, nesne düzeyinde mekansal bilgi çıkararak SVM ile sınıflandırma doğruluğunu artırır ve işleme sonrası teknikler kullanır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Mekansal bilgi, piksel düzeyinde değil, nesne düzeyinde, matematiksel morfoloji kullanılarak yapısal özellikleri yakalamak için çıkarılır.
- Destek Vektör Makineleri (SVM'ler), hem spektral verileri hem de çıkarılan mekansal özellikleri entegre ederek sınıflandırma için kullanılır.
- Ön sınıflandırma ve çoklu sınıflandırıcı sistemleri dahil olmak üzere mekansal işleme sonrası teknikler, ön sınıflandırma haritalarını düzenlemek ve iyileştirmek için uygulanır.
- Farklı hiperspektral görüntüler üzerindeki deneysel sonuçlar, önerilen spektral-mekansal stratejilerin etkinliğini doğrulamaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Recent advances in spectral-spatial classification of hyperspectral images are presented in this paper. Several techniques are investigated for combining both spatial and spectral information. Spatial information is extracted at the object (set of pixels) level rather than at the conventional pixel level. Mathematical morphology is first used to derive the morphological profile of the image, which includes characteristics about the size, orientation, and contrast of the spatial structures present in the image. Then, the morphological neighborhood is defined and used to derive additional features for classification. Classification is performed with support vector machines (SVMs) using the available spectral information and the extracted spatial information. Spatial postprocessing is next investigated to build more homogeneous and spatially consistent thematic maps. To that end, three presegmentation techniques are applied to define regions that are used to regularize the preliminary pixel-wise thematic map. Finally, a multiple-classifier (MC) system is defined to produce relevant markers that are exploited to segment the hyperspectral image with the minimum spanning forest algorithm. Experimental results conducted on three real hyperspectral images with different spatial and spectral resolutions and corresponding to various contexts are presented. They highlight the importance of spectral-spatial strategies for the accurate classification of hyperspectral images and validate the proposed methods.
Yazarların özeti; kaynağından alınmıştır. Proceedings of the IEEE, 2012 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Medya Teknolojisi
Media TechnologyEngineering