Centre de documentation
scientifique

Region-kernel-based support vector machines for hyperspectral image classification / Jiangtao Peng in IEEE Transactions on geoscience and remote sensing, vol 53 n° 9 (September 2015)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 53 n° 9 (September 2015) . - pp 4810 - 4824 Titre : Region-kernel-based support vector machines for hyperspectral image classification Type de document : Article/Communication Auteurs : Jiangtao Peng, Auteur ; C.L. Philip Chen, Auteur ; Yicong Zhou, Auteur Année de publication : 2015 Article en page(s) : pp 4810 - 4824 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] classification barycentrique [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] fonction régionalisée [Termes IGN] image hyperspectrale [Termes IGN] méthode fondée sur le noyau Résumé : (Auteur) This paper proposes a region kernel to measure the region-to-region distance similarity for hyperspectral image (HSI) classification. The region kernel is designed to be a linear combination of multiscale box kernels, which can handle the HSI regions with arbitrary shape and size. Integrating labeled pixels and labeled regions, we further propose a region-kernel-based support vector machine (RKSVM) classification framework. In RKSVM, three different composite kernels are constructed to describe the joint spatial-spectral similarity. Particularly, we design a desirable stack composite kernel that consists of the point-based kernel, the region-based kernel, and the cross point-to-region kernel. The effectiveness of the proposed RKSVM is validated on three benchmark hyperspectral data sets. Experimental results show the superiority of our region kernel method over the classical point kernel methods. Numéro de notice : A2015-526 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2015.2410991 Date de publication en ligne : 06/04/2015 En ligne : https://doi.org/10.1109/TGRS.2015.2410991 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=77554 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
065-2015091	SL	Revue	Centre de documentation	Revues en salle	Disponible