STRUCTURED BINARY FEATURE EXTRACTION FOR HYPERSPECTRAL IMAGERY CLASSIFICATION
Zisha Zhong; Bin Fan; Jun Bai; Shiming Xiang; Chunhong Pan
2017
会议名称IEEE International Conference on Image Processing
会议日期2017-9-17
会议地点Beijing, CHINA
摘要In this paper, we propose a novel structured binary feature extraction method for hyperspectral image classification. To pursuit high discriminative ability and low memory cost, we resort to applying the learning to hash technique to the traditional spectral-spatial hyperspectral features. We show how the structured information among different kinds of features
and different feature groups can be used to learn discriminative binary features for classification. Experiments on two standard benchmark hyperspectral data sets demonstrate the effectiveness of the proposed method.

收录类别EI
文献类型会议论文
条目标识符http://ir.ia.ac.cn/handle/173211/20354
专题模式识别国家重点实验室_先进数据分析与学习
作者单位National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences
推荐引用方式
GB/T 7714
Zisha Zhong,Bin Fan,Jun Bai,et al. STRUCTURED BINARY FEATURE EXTRACTION FOR HYPERSPECTRAL IMAGERY CLASSIFICATION[C],2017.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
0000525.pdf(1124KB)会议论文 开放获取CC BY-NC-SA浏览 下载
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[Zisha Zhong]的文章
[Bin Fan]的文章
[Jun Bai]的文章
百度学术
百度学术中相似的文章
[Zisha Zhong]的文章
[Bin Fan]的文章
[Jun Bai]的文章
必应学术
必应学术中相似的文章
[Zisha Zhong]的文章
[Bin Fan]的文章
[Jun Bai]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 0000525.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。