UNSUPERVISED HYPERSPECTRAL BAND SELECTION USING CLUSTERING AND SINGLE-LAYER NEURAL NETWORK

Résumé : Les images hyperspectrales fournissent des détails de la scène observée en exploitant les bandes spectrales continues. Cependant, le traitement de ces images est long à cause de leurs grandes dimensions. Donc, la sélection des bandes est une pratique commune qui est adoptée avant qu'un traitement soit fait. Ainsi, dans ce travail une nouvelle approche non-supervisée pour la sélection des bandes, basée sur le clustering et les réseaux de neurones, est proposée. Une comparaison avec six autres approches de sélection de bandes montre la validité de l'algorithme proposé.
Type de document :
Article dans une revue
Revue Française de Photogrammétrie et de Télédétection, Société Française de Photogrammétrie et de Télédétection, In press
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01880365
Contributeur : Vincent Fremont <>
Soumis le : lundi 24 septembre 2018 - 16:56:39
Dernière modification le : jeudi 8 novembre 2018 - 12:00:49

Fichier

habermann_pagination.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

  • HAL Id : hal-01880365, version 1

Citation

Mateus Habermann, Vincent Fremont, Elcio Shiguemori. UNSUPERVISED HYPERSPECTRAL BAND SELECTION USING CLUSTERING AND SINGLE-LAYER NEURAL NETWORK. Revue Française de Photogrammétrie et de Télédétection, Société Française de Photogrammétrie et de Télédétection, In press. 〈hal-01880365〉

Partager

Métriques

Consultations de la notice

33

Téléchargements de fichiers

12