Centre de documentation
scientifique

Manifold-based sparse representation for hyperspectral image classification / Yuan Yan Tang in IEEE Transactions on geoscience and remote sensing, vol 52 n° 12 (December 2014)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 52 n° 12 (December 2014) . - pp 7606 - 7618 Titre : Manifold-based sparse representation for hyperspectral image classification Type de document : Article/Communication Auteurs : Yuan Yan Tang, Auteur ; Haoliang Yuan, Auteur ; Luoqing Li, Auteur Année de publication : 2014 Article en page(s) : pp 7606 - 7618 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] classification spectrale [Termes IGN] image hyperspectrale [Termes IGN] représentation multiple Résumé : (Auteur) A sparsity-based model has led to interesting results in hyperspectral image (HSI) classification. Sparse representation from a test sample is used to identify the class label. However, an ℓ1-based sparse algorithm sometimes yields unstable sparse representation. Inspired by recent progress in manifold learning, two manifold-based sparse representation algorithms are proposed to exploit the local structure of the test samples in corresponding sparse representations for enforcing smoothness across neighboring samples' sparse representations. Using techniques from regularization and local invariance, two manifold-based regularization terms are incorporated into the ℓ1-based objective function. Extensive experiments show that our proposed algorithms obtain excellent classification performance on three classic HSIs. Numéro de notice : A2014-637 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2014.2315209 En ligne : https://doi.org/10.1109/TGRS.2014.2315209 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=75053 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
065-2014121	RAB	Revue	Centre de documentation	En réserve L003	Disponible