近日,北京理工大學(xué)光電學(xué)院許廷發(fā)教授科研團隊在高光譜遙感圖像處理領(lǐng)域取得新進(jìn)展,研究成果以“Content-driven Magnitude-Derivative Spectrum Complementary Learning for Hyperspectral Image Classification”為題發(fā)表在遙感領(lǐng)域的國際頂級期刊《IEEE Transactions on Geoscience and Remote Sensing》(IEEE TGRS)上。該工作第一作者為北京理工大學(xué)碩士研究生白薈琰,通訊作者為北京理工大學(xué)許廷發(fā)教授和李佳男特別副研究員。
圖1 內容感知的光譜互補網(wǎng)絡(luò )結構圖
圖2 展示了該方法在遙感圖像上更全面分類(lèi)邊界的效果,體現了更充分的光譜宏觀(guān)結構和微觀(guān)細節
針對高光譜遙感圖像分類(lèi)中存在的光譜冗余和混疊難題。許廷發(fā)教授科研團隊提出了一種內容驅動(dòng)的幅度導數光譜互補學(xué)習高光譜圖像分類(lèi)方法。通過(guò)引入能夠放大微小光譜特征,提取了隱藏信息光譜導數特征,創(chuàng )新的構建了光譜互補網(wǎng)絡(luò )。通過(guò)構建內容感知的逐點(diǎn)模塊,實(shí)現了光譜互補特征的充分利用。網(wǎng)絡(luò )結構圖如圖1所示。
該研究解決了高光譜遙感圖像分類(lèi)中存在的光譜冗余和混疊帶來(lái)的分類(lèi)性能降低難題。在光譜幅度混淆的情況下,增強了單個(gè)光譜下混淆特征的區分度,實(shí)現了光譜信息的充分利用,為高光譜解混和分類(lèi)研究提供了理論和方法支撐。
論文詳情:H. Bai, T. Xu, H. Chen, P. Liu and J. Li, "Content-driven Magnitude-Derivative Spectrum Complementary Learning for Hyperspectral Image Classification," in IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2024.3435079.