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

WU-Net: A Weakly-supervised Unmixing Network for Remotely Sensed Hyperspectral Imagery

Hong, Danfeng und Chanussot, Jocelyn und Yokoya, Naoto und Heiden, Uta und Heldens, Wieke und Zhu, Xiao Xiang (2019) WU-Net: A Weakly-supervised Unmixing Network for Remotely Sensed Hyperspectral Imagery. In: 2019 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Seiten 1-4. IGARSS 2019, 28. Juli - 2. Aug. 2019, Yokohama, Japan. doi: 10.1109/igarss.2019.8899865.

Dies ist die aktuellste Version dieses Eintrags.

[img] PDF
613kB

Kurzfassung

Recently, enormous efforts have been made to improve the performance of the linear or nonlinear mixing model for hyperspectral unmixing, yet their ability to handle spectral variability and extract physically meaningful endmembers remains limited. Based on the powerful learning ability of deep learning, we propose a weakly-supervised unmixing network, called WU-Net, to break the bottleneck. Beyond the autoencoder-like architecture, WU-Net learns an additional network from the pure or nearly-pure endmembers to correct the weights of another unmixing network towards a more accurate and interpretable unmixing solution, thus yielding a two-stream deep network. Experimental results conducted on two different datasets, one fully artificial simulation dataset and one simulated EnMap dataset generated from a real HyMap dataset, demonstrate the effectiveness and superiority of WU-Net over several state-of-the-art algorithms

elib-URL des Eintrags:https://elib.dlr.de/128489/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:WU-Net: A Weakly-supervised Unmixing Network for Remotely Sensed Hyperspectral Imagery
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Hong, Danfengdanfeng.hong (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Chanussot, Jocelynjocelyn (at) hi.isNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Yokoya, Naotonaoto.yokoya (at) riken.jpNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Heiden, Utauta.heiden (at) dlr.dehttps://orcid.org/0000-0002-3865-1912NICHT SPEZIFIZIERT
Heldens, WiekeWieke.Heldens (at) dlr.dehttps://orcid.org/0000-0001-6209-5664NICHT SPEZIFIZIERT
Zhu, Xiao Xiangxiao.zhu (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2019
Erschienen in:2019 IEEE International Geoscience and Remote Sensing Symposium (IGARSS)
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
DOI:10.1109/igarss.2019.8899865
Seitenbereich:Seiten 1-4
Status:veröffentlicht
Stichwörter:Deep learning, hyperspectral imagery,remote sensing, spectral unmixing, two-stream network,weakly-supervised, HyMap, EnMAP
Veranstaltungstitel:IGARSS 2019
Veranstaltungsort:Yokohama, Japan
Veranstaltungsart:internationale Konferenz
Veranstaltungsdatum:28. Juli - 2. Aug. 2019
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
Deutsches Fernerkundungsdatenzentrum > Dynamik der Landoberfläche
Hinterlegt von: Hong, Danfeng
Hinterlegt am:22 Jul 2019 13:23
Letzte Änderung:24 Jul 2023 11:57

Verfügbare Versionen dieses Eintrags

  • WU-Net: A Weakly-supervised Unmixing Network for Remotely Sensed Hyperspectral Imagery. (deposited 22 Jul 2019 13:23) [Gegenwärtig angezeigt]

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.