超级会员免费看
该论文提出了一种基于Gabor滤波和深度网络的高光谱图像(HSI)分类方法。通过Gabor滤波提取HSI的低层空间特征，与光谱特征融合后，利用堆叠稀疏自编码器(SSAE)学习深层特征，最后使用多项式逻辑回归(MLR)进行分类。实验表明，这种方法在多个HSI数据集上表现出优越的分类性能。
Classification of Hyperspectral Images by Gabor Filtering Based Deep Network（2019）
文章目录
Abstract
论文提出了基于Gabor filtering和deep network的spectral-spatial分类方法。首先对HSI的前三个主成分进行Gabor滤波，识别出不同方向和尺度的low-level spatial features。然后堆叠Gabor features和spectral features（即原始HSI的所有波段）组成fused features。最后通过训练stacked sparse autoencoder deep network从fused features中得到deep features，使用MLR进行分类。训练时使用的fused features不仅来自于real samples，还来自于由2个不相关的real samples组合成的virtual samples。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
