研究目的
提出一种基于相对属性解混(RAU)的高光谱图像光谱解混方法,该方法利用相对属性学习将混合像素的丰度描述为特定类别的相对纯度,并通过rankSVM学习丰度。
研究成果
RAU方法大幅超越了当前最先进的解混技术,并有效解决了光谱变异问题。这种基于排序的解混框架属于无监督方法,能够利用包括混合像素在内的数据样本间信息。
研究不足
该论文未明确提及局限性,但潜在的优化方向可能包括光谱变异性的处理以及该方法在更大数据集上的可扩展性。
研究目的
提出一种基于相对属性解混(RAU)的高光谱图像光谱解混方法,该方法利用相对属性学习将混合像素的丰度描述为特定类别的相对纯度,并通过rankSVM学习丰度。
研究成果
RAU方法大幅超越了当前最先进的解混技术,并有效解决了光谱变异问题。这种基于排序的解混框架属于无监督方法,能够利用包括混合像素在内的数据样本间信息。
研究不足
该论文未明确提及局限性,但潜在的优化方向可能包括光谱变异性的处理以及该方法在更大数据集上的可扩展性。
加载中....
您正在对论文“[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚(2018.7.22-2018.7.27)] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于相对属性的解混”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期