Hyperspectral and LiDAR Fusion Using Deep Three-Stream Convolutional Neural Networks

Li, Hao und Ghamisi, Pedram und Soergel, Uwe und Zhu, Xiao Xiang (2018) Hyperspectral and LiDAR Fusion Using Deep Three-Stream Convolutional Neural Networks. Remote Sensing (10), Seiten 1649-1668. Multidisciplinary Digital Publishing Institute (MDPI). doi: 10.3390/rs10101649. ISSN 2072-4292.

PDF
23MB

Offizielle URL: https://www.mdpi.com/2072-4292/10/10/1649

elib-URL des Eintrags:

https://elib.dlr.de/122440/

Dokumentart:

Zeitschriftenbeitrag

Titel:

Hyperspectral and LiDAR Fusion Using Deep Three-Stream Convolutional Neural Networks

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Li, Hao	leebobgiser316 (at) gmail.com	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Ghamisi, Pedram	DLR-IMF/TUM-LMF	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Soergel, Uwe	soergel (at) ifp.uni-stuttgart.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Zhu, Xiao Xiang	DLR-IMF/TUM-LMF	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

2018

Erschienen in:

Remote Sensing

Referierte Publikation:

Open Access:

Gold Open Access:

In SCOPUS:

In ISI Web of Science:

DOI:

10.3390/rs10101649

Seitenbereich:

Seiten 1649-1668

Verlag:

Multidisciplinary Digital Publishing Institute (MDPI)

ISSN:

2072-4292

Status:

veröffentlicht

Stichwörter:

Feature Extraction, sentinel-1, local climate zones, lcz

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 > EO Data Science

Hinterlegt von:

Häberle, Matthias

Hinterlegt am:

20 Nov 2018 10:43

Letzte Änderung:

14 Dez 2019 04:26

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags