Learning spatial filters for multispectral image segmentation.

Abstract : We present a novel filtering method for multispectral satel- lite image classification. The proposed method learns a set of spatial filters that maximize class separability of binary support vector machine (SVM) through a gradient descent approach. Regularization issues are discussed in detail and a Frobenius-norm regularization is proposed to efficiently exclude uninformative filters coefficients. Experiments car- ried out on multiclass one-against-all classification and tar- get detection show the capabilities of the learned spatial fil- ters.
Type de document :
Communication dans un congrès
Machine Learning for Signal Processing, Aug 2010, Kittila, Finland. pp.1-6, 2010
Liste complète des métadonnées

Littérature citée [20 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-00528923
Contributeur : Rémi Flamary <>
Soumis le : vendredi 22 octobre 2010 - 18:52:45
Dernière modification le : mardi 3 octobre 2017 - 14:52:08
Document(s) archivé(s) le : dimanche 23 janvier 2011 - 03:04:46

Fichier

MLSP10.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00528923, version 1

Collections

Citation

Devis Tuia, Rémi Flamary, Gustavo Camps-Valls, Alain Rakotomamonjy. Learning spatial filters for multispectral image segmentation.. Machine Learning for Signal Processing, Aug 2010, Kittila, Finland. pp.1-6, 2010. 〈hal-00528923〉

Partager

Métriques

Consultations de
la notice

82

Téléchargements du document

110