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

Deep learning decision fusion for the classification of urban remote sensing data

Abdi, Ghasem und Samadzadegan, Farhad und Reinartz, Peter (2018) Deep learning decision fusion for the classification of urban remote sensing data. Journal of Applied Remote Sensing, 12 (1), Seiten 1-19. Society of Photo-optical Instrumentation Engineers (SPIE). doi: 10.1117/1.JRS.12.016038. ISSN 1931-3195.

[img] PDF
8MB

Offizielle URL: https://www.spiedigitallibrary.org/journals/journal-of-applied-remote-sensing/volume-12/issue-01/016038/Deep-learning-decision-fusion-for-the-classification-of-urban-remote/10.1117/1.JRS.12.016038.full

Kurzfassung

Multisensor data fusion is one of the most common and popular remote sensing data classification topics by considering a robust and complete description about the objects of interest. Furthermore, deep feature extraction has recently attracted significant interest and has become a hot research topic in the geoscience and remote sensing research community. A deep learning decision fusion approach is presented to perform multisensor urban remote sensing data classification. After deep features are extracted by utilizing joint spectral–spatial information, a soft-decision made classifier is applied to train high-level feature representations and to fine-tune the deep learning framework. Next, a decision-level fusion classifies objects of interest by the joint use of sensors. Finally, a context-aware object-based postprocessing is used to enhance the classification results. A series of comparative experiments are conducted on the widely used dataset of 2014 IEEE GRSS data fusion contest. The obtained results illustrate the considerable advantages of the proposed deep learning decision fusion over the traditional classifiers.

elib-URL des Eintrags:https://elib.dlr.de/119394/
Dokumentart:Zeitschriftenbeitrag
Titel:Deep learning decision fusion for the classification of urban remote sensing data
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Abdi, Ghasemghasem.abdi (at) ut.ac.irNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Samadzadegan, Farhadfarhad.samadzadegan (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Reinartz, Peterpeter.reinartz (at) dlr.dehttps://orcid.org/0000-0002-8122-1475NICHT SPEZIFIZIERT
Datum:13 März 2018
Erschienen in:Journal of Applied Remote Sensing
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:12
DOI:10.1117/1.JRS.12.016038
Seitenbereich:Seiten 1-19
Verlag:Society of Photo-optical Instrumentation Engineers (SPIE)
ISSN:1931-3195
Status:veröffentlicht
Stichwörter:deep learning, multisensor data Fusion, classification
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Verkehrsmanagement (alt)
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V VM - Verkehrsmanagement
DLR - Teilgebiet (Projekt, Vorhaben):V - Vabene++ (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > Photogrammetrie und Bildanalyse
Hinterlegt von: Zielske, Mandy
Hinterlegt am:22 Mär 2018 20:23
Letzte Änderung:31 Jul 2019 20:16

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.