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

Hyperspectral Images Classification With Gabor Filtering and Convolutional Neural Network

Chen, Yushi und Zhu, Lin und Ghamisi, Pedram und Jia, Xiuping und Li, Guoyu und Tang, Liang (2017) Hyperspectral Images Classification With Gabor Filtering and Convolutional Neural Network. IEEE Geoscience and Remote Sensing Letters, 14 (12), Seiten 2355-2359. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/LGRS.2017.2764915. ISSN 1545-598X.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Offizielle URL: http://ieeexplore.ieee.org/document/8100719/

Kurzfassung

Recently, the capability of deep learning-based approaches, especially deep convolutional neural networks (CNNs), has been investigated for hyperspectral remote sensing feature extraction (FE) and classification. Due to the large number of learnable parameters in convolutional filters, lots of training samples are needed in deep CNNs to avoid the overfitting problem. On the other hand, Gabor filtering can effectively extract spatial information including edges and textures, which may reduce the FE burden of the CNNs. In this letter, in order to make the most of deep CNN and Gabor filtering, a new strategy, which combines Gabor filters with convolutional filters, is proposed for hyperspectral image classification to mitigate the problem of overfitting. The obtained results reveal that the proposed model provides competitive results in terms of classification accuracy, especially when only a limited number of training samples are available.

elib-URL des Eintrags:https://elib.dlr.de/118212/
Dokumentart:Zeitschriftenbeitrag
Titel:Hyperspectral Images Classification With Gabor Filtering and Convolutional Neural Network
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Chen, YushiHarbin Institute of TechnologyNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zhu, LinHarbin Institute of TechnologyNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Ghamisi, PedramPedram.Ghamisi (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Jia, XiupingUniversity of New South WalesNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Li, GuoyuChinese Acadamy of Sciences, LhanzouNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Tang, LiangHarbin Institute of TechnologyNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Dezember 2017
Erschienen in:IEEE Geoscience and Remote Sensing Letters
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:14
DOI:10.1109/LGRS.2017.2764915
Seitenbereich:Seiten 2355-2359
Verlag:IEEE - Institute of Electrical and Electronics Engineers
ISSN:1545-598X
Status:veröffentlicht
Stichwörter:Convolutional Neural Networks (CNNs), feature extraction (FE), Gabor Filtering
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 - Optische Fernerkundung, R - Vorhaben hochauflösende Fernerkundungsverfahren (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > SAR-Signalverarbeitung
Hinterlegt von: Zielske, Mandy
Hinterlegt am:12 Jan 2018 15:13
Letzte Änderung:08 Mär 2018 18:31

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.