基于超像素模式和极限学习机的光谱空间高光谱图像分类
摘要
1.简介
2.相关工作
2.1. 超像素分割方法
2.2. 主成分分析
2.3. 极限学习机器
3.拟议光谱-空间分类模型
|
3.1. 基于超像素的空间特征
3.2. 基于内核的极限学习机
4.实验
4.1. 高光谱数据集
4.2. 竞争方法和实验环境
4.3。 实验对比
4.4. 超像素数的研究
4.5. 超像素模式的维数研究
5.结论
作者贡献
基金
致谢
利益冲突
工具书类
张,L。; 张,L。; Du,B.遥感数据深度学习:最新技术教程。 IEEE地质科学。 远程传感器磁。 2016 , 4 , 22–40. [ 谷歌学者 ] [ 交叉参考 ] 马,J。; 姜杰。; 周,H。; 赵,J。; Guo,X.遥感图像配准中的局部保持特征匹配。 IEEE传输。 地质科学。 远程传感器。 2018 , 56 , 4435–4447. [ 谷歌学者 ] [ 交叉参考 ] 马,J。; 赵,J。; 姜杰。; 周,H。; Guo,X.保持位置匹配。 国际计算机杂志。 视觉。 2019 , 127 , 512–531. [ 谷歌学者 ] [ 交叉参考 ] 姜杰。; 陈,C。; Yu,Y。; 蒋,X。; Ma,J.高光谱遥感图像分类的空间感知协作表示。 IEEE地质科学。 远程传感器通讯。 2017 , 14 , 404–408. [ 谷歌学者 ] [ 交叉参考 ] 江,X。; 宋,X。; Zhang,Y。; 姜杰。; 高杰。; Cai,Z.用于高光谱图像判别分析的拉普拉斯正则空间感知协作图。 远程传感器。 2019 , 11 , 29. [ 谷歌学者 ] [ 交叉参考 ] Melgani,F。; Bruzzone,L.用支持向量机对高光谱遥感图像进行分类。 IEEE传输。 地质科学。 远程传感器。 2004 , 42 , 1778–1790. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Bazi,Y。; 阿拉伊兰,N。; Melgani,F。; Hichri,H。; 马利克,S。; Yager,R.R.高光谱图像分类的差分进化极端学习机。 IEEE地质科学。 遥感快报。 2014 , 11 , 1066–1070. [ 谷歌学者 ] [ 交叉参考 ] 福维尔,M。; 塔拉巴尔卡,Y。; Benediktsson,J.A。; 查努索特,J。; Tilton,J.C.高光谱图像光谱空间分类进展。 程序。 电气与电子工程师协会 2013 , 101 , 652–675. [ 谷歌学者 ] [ 交叉参考 ] 风扇,H。; Chang,L。; 郭毅。; Kuang,G。; Ma,J.用于高光谱图像去噪的空间谱总变差正则化低秩张量分解。 IEEE传输。 地质科学。 远程传感器。 2018 , 56 , 6196–6213. [ 谷歌学者 ] [ 交叉参考 ] 刘,T。; 顾毅。; 贾,X。; Benediktsson,J.A。; Chanussot,J.光谱-空间高光谱图像分类的特定类别稀疏多核学习。 IEEE传输。 地质科学。 远程传感器。 2016 , 54 , 7351–7365. [ 谷歌学者 ] [ 交叉参考 ] Camps-Valls,G。; Gomez-Chova,L。; 穆尼奥斯·马雷,J。; 维拉·弗朗西斯,J。; Calpe-Maravillia,J.高光谱图像分类的复合核。 IEEE地质科学。 遥感快报。 2006 , 三 ,93–97。 [ 谷歌学者 ] [ 交叉参考 ] 周,Y。; 彭杰。; Chen,C.P.用于高光谱图像分类的复合核极限学习机。 IEEE J.选择。 顶部。 申请。 地球目标遥感。 2015 , 8 ,2351-2360。 [ 谷歌学者 ] [ 交叉参考 ] 李伟(Li,W.)。; 陈,C。; 苏,H。; Du,Q.高光谱图像分类的局部二元模式和极限学习机。 IEEE传输。 地质科学。 远程传感器。 2015 , 53 , 3681–3693. [ 谷歌学者 ] [ 交叉参考 ] Jain,A.K。; 新罕布什尔州Ratha。; Lakshmanan,S.使用Gabor过滤器进行目标检测。 模式识别。 1997 , 30 , 295–309. [ 谷歌学者 ] [ 交叉参考 ] 陈,C。; 李伟(Li,W.)。; 特拉梅尔,E.W。; 崔,M。; Prasad,S。; Fowler,J.E.使用多假设预测进行光谱空间预处理,用于抗噪高光谱图像分类。 IEEE J.选择。 顶部。 申请。 地球目标遥感。 2014 , 7 , 1047–1059. [ 谷歌学者 ] [ 交叉参考 ] 陈,C。; 李伟(Li,W.)。; 苏,H。; Liu,K.基于核极值学习机的高光谱图像光谱空间分类。 远程传感器。 2014 , 6 , 5795–5814. [ 谷歌学者 ] [ 交叉参考 ] 塔拉巴尔卡,Y。; 福维尔,M。; 查努索特,J。; Benediktsson,J.A.SVM和基于MRF的高光谱图像精确分类方法。 IEEE地质科学。 遥感快报。 2010 , 7 , 736–740. [ 谷歌学者 ] [ 交叉参考 ] 李伟(Li,W.)。; Prasad,S。; Fowler,J.E.使用高斯混合模型和马尔可夫随机场的高光谱图像分类。 IEEE地质科学。 遥感快报。 2014 , 11 , 153–157. [ 谷歌学者 ] [ 交叉参考 ] 李,J。; Bioucas-Dias,J.M。; Plaza,A.使用子空间多项式logistic回归和马尔可夫随机场的光谱空间高光谱图像分割。 IEEE传输。 地质科学。 远程传感器。 2012 , 50 , 809–823. [ 谷歌学者 ] [ 交叉参考 ] 李,S。; 卢·T。; 方,L。; 贾,X。; Benediktsson,J.A.像素级和超像素级高光谱图像分类的概率融合。 IEEE传输。 地质科学。 远程传感器。 2016 , 54 , 7416–7430. [ 谷歌学者 ] [ 交叉参考 ] Priya,T。; Prasad,S。; Wu,H.用于高光谱图像的空间增强贝叶斯分类的超像素。 IEEE地质科学。 遥感快报。 2015 , 12 ,1071–1075。 [ 谷歌学者 ] [ 交叉参考 ] Roscher,R。; Waske,B.使用稀疏表示和条件随机场对高光谱数据进行基于超像素的分类。 2014年7月13日至18日,加拿大魁北克市,2014年IEEE国际地球科学和遥感研讨会(IGARSS)论文集; 第3674-3677页。 [ 谷歌学者 ] 詹,T。; Sun,L。; Xu,Y。; Yang,G。; Zhang,Y。; Wu,Z.基于超像素核学习的低秩表示的高光谱分类。 远程传感器。 2018 , 10 , 1639. [ 谷歌学者 ] [ 交叉参考 ] Sun,H。; Ren,J。; 赵,H。; 扎巴尔扎,J。; Marshall,S.高光谱图像光谱空间分类的基于超像素的特征特定稀疏表示。 远程传感器。 2019 , 11 , 536. [ 谷歌学者 ] [ 交叉参考 ] 方,L。; 李,S。; Duan,W。; Ren,J。; Benediktsson,J.A.通过多核利用超像素的光谱空间信息对高光谱图像进行分类。 IEEE传输。 地质科学。 远程传感器。 2015 , 53 , 6663–6674. [ 谷歌学者 ] [ 交叉参考 ] 方,L。; 李,S。; 康,X。; Benediktsson,J.A.使用基于超像素的鉴别稀疏模型对高光谱图像进行光谱空间分类。 IEEE传输。 地质科学。 远程传感器。 2015 , 53 , 4186–4201. [ 谷歌学者 ] [ 交叉参考 ] 李,S。; 贾,X。; Zhang,B.基于超像素的马尔可夫随机场用于高光谱图像分类。 2013年7月21日至26日,澳大利亚维多利亚州墨尔本,IEEE国际地球科学与遥感研讨会(IGARSS)会议记录; 第3491–3494页。 [ 谷歌学者 ] 张,S。; 李,S。; 傅伟(Fu,W.)。; Fang,L.基于多尺度超像素的稀疏表示用于高光谱图像分类。 远程传感器。 2017 , 9 , 139. [ 谷歌学者 ] [ 交叉参考 ] 姜杰。; 马,J。; 陈,C。; 王,Z。; 蔡,Z。; Wang,L.SuperPCA:一种超像素PCA方法,用于高光谱图像的无监督特征提取。 IEEE传输。 地质科学。 远程传感器。 2018 , 56 , 4581–4593. [ 谷歌学者 ] [ 交叉参考 ] 姜杰。; 马,J。; 王,Z。; 陈,C。; Liu,X.存在噪声标签的高光谱图像分类。 IEEE传输。 地质科学。 远程传感器。 2019 , 57 , 851–865. [ 谷歌学者 ] [ 交叉参考 ] 黄,G.B。; 周,H。; 丁,X。; Zhang,R.回归和多类分类的极端学习机。 IEEE传输。 系统。 人类网络。 B部分(赛博) 2012 , 42 , 513–529. [ 谷歌学者 ] [ 交叉参考 ] Zhang,Y。; 吴杰。; 蔡,Z。; 张,P。; Chen,L.Memetic极端学习机器。 模式识别。 2016 , 58 , 135–148. [ 谷歌学者 ] [ 交叉参考 ] Zhang,Y。; 吴杰。; 周,C。; 蔡,Z.实例克隆了极限学习机器。 模式识别。 2017 , 68 , 52–65. [ 谷歌学者 ] [ 交叉参考 ] 贾,L。; 李,M。; 张,P。; Wu,Y.基于相关核和多级极值学习机的SAR图像变化检测。 IEEE传输。 地质科学。 远程传感器。 2016 , 54 , 5993–6006. [ 谷歌学者 ] [ 交叉参考 ] Tang,J。; 邓,C。; 黄,G.B。; Zhao,B.使用深度神经网络和极限学习机对星载光学图像进行压缩域船舶检测。 IEEE传输。 地质科学。 远程传感器。 2015 , 53 , 1174–1185. [ 谷歌学者 ] [ 交叉参考 ] Yang,Z。; 杰·L。; Min,H.基于加权极值学习机的遥感图像传输分类。 IEEE地质科学。 遥感快报。 2016 , 13 , 1405–1409. [ 谷歌学者 ] 陈,C。; 张,B。; 苏,H。; 李伟(Li,W.)。; Wang,L.土地利用场景分类采用多尺度完成局部二值模式。 信号图像视频处理。 2016 , 10 , 745–752. [ 谷歌学者 ] [ 交叉参考 ] Leo,G.图像分割的随机行走。 IEEE传输。 模式分析。 机器。 智力。 2006 , 28 , 1768–1783. [ 谷歌学者 ] 沈杰。; 杜,Y。; Wang,W。; Li,X.超像素分割的惰性随机行走。 IEEE传输。 图像处理。 2014 , 23 , 1451–1462. [ 谷歌学者 ] [ 交叉参考 ] Kaut,H。; Singh,R.图像分割技术综述。 模式识别。 1993 , 26 , 1277–1294. [ 谷歌学者 ] Felzenszwalb,P.F。; Huttenlocher,D.P.高效的基于图形的图像分割。 国际计算机杂志。 视觉。 2004 , 59 , 167–181. [ 谷歌学者 ] [ 交叉参考 ] 威尔多贾,F。; Grangetto,M.基于快速超像素的分层图像分割方法。 2015年9月7日至11日,意大利热那亚,国际图像分析与处理会议(ICIAP)会议记录; 第364–374页。 [ 谷歌学者 ] 严奇。; 李,X。; 史J。; Jia,J.层次显著性检测。 2013年6月23日至28日,美国俄勒冈州波特兰IEEE计算机视觉和模式识别会议(CVPR)会议记录; 第1155-1162页。 [ 谷歌学者 ] 史J。; Jitendra,M.标准化切割和图像分割。 IEEE传输。 模式分析。 机器。 智力。 2000 , 22 , 888–905. [ 谷歌学者 ] 亚历克斯·L。; Adrian,S。; 库图拉科斯,K.N。; 弗利特,D.J。; 迪金森,S.J。; Kaleem,S.TurboPixels:使用几何流的快速超像素。 IEEE传输。 模式分析。 机器。 智力。 2009 , 31 , 2290–2297. [ 谷歌学者 ] 刘,M.Y。; Tuzel,O。; 拉马林加姆,S。; Chellappa,R.熵率超像素分割。 2011年IEEE计算机视觉和模式识别会议(CVPR)会议记录,科罗拉多州斯普林斯,科罗拉多,美国,2011年6月20日至25日; 第2097–2104页。 [ 谷歌学者 ] Lunga,D。; Prasad,S。; M.M.克劳福德。; Ersoy,O.基于流形学习的高光谱数据分类特征提取:流形学习进展综述。 IEEE信号处理。 美格。 2014 , 31 , 55–66. [ 谷歌学者 ] [ 交叉参考 ] 周,Y。; 彭杰。; Chen,C.P.使用空间和光谱正则化局部判别嵌入进行高光谱图像分类的降维。 IEEE传输。 地质科学。 远程传感器。 2015 , 53 , 1082–1095. [ 谷歌学者 ] [ 交叉参考 ] 巴赫曼,C.M。; 安斯沃思,T.L。; Fusina,R.A.在高光谱图像中利用流形几何。 IEEE传输。 地质科学。 远程传感器。 2005 , 43 , 441–454. [ 谷歌学者 ] [ 交叉参考 ] 何,X。; 蔡,D。; Yan,S。; Zhang,H.J.邻里保护嵌入。 2005年10月17日至21日,中国北京,第十届IEEE国际计算机视觉会议论文集; 第2卷,第1208-1213页。 [ 谷歌学者 ] 何,X。; Niyogi,P.局部保留投影。 在 神经信息处理系统研究进展 ; 麻省理工学院出版社:剑桥,马萨诸塞州,美国,2004年; 第153-160页。 [ 谷歌学者 ] 朔尔科普夫,B。; Smola,A。; Müller,K.R.非线性分量分析作为核特征值问题。 神经计算。 1998 , 10 , 1299–1319. [ 谷歌学者 ] [ 交叉参考 ] 侯赛因医学硕士。; Pickering,M。; Jia,X.基于互信息测度的非监督特征提取用于高光谱图像分类。 2011年7月24日至29日,加拿大不列颠哥伦比亚省温哥华,IEEE国际地球科学和遥感研讨会(IGARSS)会议记录; 第1720-1723页。 [ 谷歌学者 ] Liao,W。; Pizurica,A。; 菲利普斯,W。; Pi,Y.高光谱图像的快速迭代核PCA特征提取。 第17届IEEE图像处理国际会议(ICIP)会议记录,中国香港,2010年9月26日至29日; 第1317-1320页。 [ 谷歌学者 ] 拉帕拉,V。; 马洛,J。; Camps-Valls,G.高光谱图像中通过回归降低维数。 IEEE J.选择。 顶部。 信号处理。 2015 , 9 , 1026–1036. [ 谷歌学者 ] [ 交叉参考 ] Prasad,S。; Bruce,L.M.高光谱目标识别中主成分分析的局限性。 IEEE地质科学。 遥感快报。 2008 , 5 , 625–629. [ 谷歌学者 ] [ 交叉参考 ] 黄,G.B。; 朱Q.Y。; Siew,C.K.极限学习机器:理论与应用。 神经计算 2006 , 70 , 489–501. [ 谷歌学者 ] [ 交叉参考 ] 张,R。; Lan,Y。; 黄,G.B。; Xu,Z.B.隐节点自适应增长的极限学习机的通用逼近。 IEEE传输。 神经网络。 学习。 系统。 2012 , 23 , 365. [ 谷歌学者 ] [ 交叉参考 ] 黄,G。; 黄,G.B。; Song,S。; You,K.极端学习机器的趋势:综述。 神经网络。 2015 , 61 , 32–48. [ 谷歌学者 ] [ 交叉参考 ] 荀,L。; 邓,C。; 王,S。; 黄,G.B。; 赵,B。; Lauren,P.基于极限学习机的快速准确时空融合。 IEEE地质科学。 遥感快报。 2017 , 13 , 2039–2043. [ 谷歌学者 ] 萨马特,A。; 杜,P。; 刘,S。; 李,J。; 梁振英 2 LMs:集成极端学习机器用于高光谱图像分类。 IEEE J.选择。 顶部。 申请。 地球目标遥感。 2014 , 7 , 1060–1069. [ 谷歌学者 ] [ 交叉参考 ] A.萨马特。; 冈巴,P。; 杜,P。; Luo,J.四极化SAR图像分类的主动极限学习机。 国际期刊申请。 地球观测地理信息。 2015 , 35 , 305–319. [ 谷歌学者 ] [ 交叉参考 ] 阿加瓦尔,A。; El-Ghazawi,T。; El-Askary,H。; Le-Moigne,J.高光谱图像的高效分层PCA降维。 2007年IEEE信号处理和信息技术国际研讨会论文集,埃及吉萨,2007年12月15日至18日; 第353–356页。 [ 谷歌学者 ]