elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Random Forest Ensembles and Extended Multi-Extinction Profiles for Hyperspectral Image Classification

Xia, Junshi und Ghamisi, Pedram und Yokoya, Naoto und Iwasaki, Akira (2018) Random Forest Ensembles and Extended Multi-Extinction Profiles for Hyperspectral Image Classification. IEEE Transactions on Geoscience and Remote Sensing, 56 (1), Seiten 202-216. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/TGRS.2017.2744662. ISSN 0196-2892.

[img] PDF
3MB

Offizielle URL: http://ieeexplore.ieee.org/document/8046025/

Kurzfassung

Classification techniques for hyperspectral images based on random forest (RF) ensembles and extended multiextinction profiles (EMEPs) are proposed as a means of improving performance. To this end, five strategies--bagging, boosting, random subspace, rotation-based, and boosted rotation-based--are used to construct the RF ensembles. EPs, which are based on an extrema-oriented connected filtering technique, are applied to the images associated with the first informative components extracted by independent component analysis, leading to a set of EMEPs. The effectiveness of the proposed method is investigated on two benchmark hyperspectral images: the University of Pavia and Indian Pines. Comparative experimental evaluations reveal the superior performance of the proposed methods, especially those employing rotation-based and boosted rotation-based approaches. An additional advantage is that the CPU processing time is acceptable.

elib-URL des Eintrags:https://elib.dlr.de/115365/
Dokumentart:Zeitschriftenbeitrag
Titel:Random Forest Ensembles and Extended Multi-Extinction Profiles for Hyperspectral Image Classification
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Xia, Junshixiajunshi (at) gmail.comNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Ghamisi, Pedramdlr-imf/tum-lmfNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Yokoya, Naotonaoto.yokoya (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Iwasaki, Akiraaiwasaki (at) sal.rcast.u-tokyo.ac.jpNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Januar 2018
Erschienen in:IEEE Transactions on Geoscience and Remote Sensing
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:56
DOI:10.1109/TGRS.2017.2744662
Seitenbereich:Seiten 202-216
Verlag:IEEE - Institute of Electrical and Electronics Engineers
ISSN:0196-2892
Status:veröffentlicht
Stichwörter:Ensemble learning, Extended multi-extinction profiles (EMEPs), Hyperspectral Image Classification, Random Forest (RF).
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Vorhaben hochauflösende Fernerkundungsverfahren (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > SAR-Signalverarbeitung
Hinterlegt von: Ghamisi, Pedram
Hinterlegt am:17 Nov 2017 15:05
Letzte Änderung:31 Jul 2019 20:12

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.