Jurnal Internasional Ilmu Pengetahuan Terapan, Vol. 9, Halaman 2161: Proyeksi Mempertahankan Lokalitas Multiscale Superpixelwise untuk Klasifikasi Gambar Hyperspectral

Download Jurnal Disini

Ilmu Pengetahuan Terapan, Vol. 9, Halaman 2161: Proyeksi Mempertahankan Lokalitas Multispesial Superpixelwise untuk Klasifikasi Gambar Hyperspectral

Ilmu Terapan doi: 10.3390 / app9102161

Penulis:
Lin He
Xianjun Chen
Jun Li
Xiaofeng Xie

Manifold learning adalah alat reduksi dimensionalitas yang kuat untuk klasifikasi hyperspectral image (HSI) untuk mengurangi kutukan dimensionalitas dan untuk mengungkap manifold intrinsik low-dimensional. Namun, karakteristik spesifik HSI, yaitu, ketergantungan spasial yang tidak teratur, tidak dipertimbangkan dalam desain metode, yang dapat menghasilkan banyak subregional homogen spasial dalam aroma HSI. Metode pembelajaran berjenis konvensional, seperti proyeksi pelestarian lokalitas (LPP), mengejar proyeksi terpadu pada seluruh HSI, sambil mengabaikan homogenitas lokal pada bermacam-macam HSI yang disebabkan oleh subregional yang homogen secara spasial. Dalam karya ini, kami mengusulkan sebuah novel multiscale LPP (MSuperLPP) multiskala superpixelwise untuk mengatasi tantangan tersebut. Pertama, kami mempartisi HSI menjadi subregional yang homogen dengan segmentasi superpixel multiskala. Kemudian, pada setiap skala, LPP khusus subkawasan dan klasifikasi pendahuluan yang terkait dilakukan. Akhirnya, kami mengumpulkan hasil klasifikasi dari semua skala menggunakan strategi fusi keputusan untuk mencapai hasil akhir. Hasil eksperimen pada tiga set data hiperspektral yang nyata memvalidasi keefektifan metode kami.

Download Jurnal Disini
Jurnal

Ilmu Pengetahuan Terapan, Vol. 9, Halaman 2161: Proyeksi Mempertahankan Lokalitas Multiscale Superpixelwise untuk Klasifikasi Gambar Hyperspectral