Zobrazeno 1 - 10
of 361
pro vyhledávání: '"sparse unmixing"'
Autor:
Chenguang Xu
Publikováno v:
Scientific Reports, Vol 14, Iss 1, Pp 1-16 (2024)
Abstract Hyperspectral sparse unmixing, an image processing technique, leverages a spectral library enriched with endmember spectral information as a prerequisite. It decomposes the hyperspectral data to ascertain the abundance corresponding to each
Externí odkaz:
https://doaj.org/article/392c7ee98b5b4d458cf723cbabbfc896
Publikováno v:
International Journal of Applied Earth Observations and Geoinformation, Vol 130, Iss , Pp 103901- (2024)
Various improved nonnegative matrix factorization (NMF) methods have been widely used in spectral unmixing (SU), including nonlinear versions to counter for the lower spatial resolution and interaction between materials. But the obtained abundances a
Externí odkaz:
https://doaj.org/article/e154f05c80734e39a8e50008a7c96961
Autor:
Risto Sarjonen, Tomi Raty
Publikováno v:
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol 16, Pp 4328-4348 (2023)
The goal of hyperspectral image analysis is often to determine which materials, out of a given set of possibilities, are present in each pixel. As hyperspectral data are being gathered in rapidly increasing amounts, automatic image analysis is becomi
Externí odkaz:
https://doaj.org/article/4fd6c61a2f374ad693cf7bcd074cc310
Publikováno v:
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol 16, Pp 3378-3389 (2023)
To enhance spectral unmixing performance, a large number of algorithms have simultaneously investigated spatial and spectral information in hyperspectral images. However, sophisticated algorithms with high computational complexity can be very time-co
Externí odkaz:
https://doaj.org/article/1d2651c927e8404e980adc837257ca7d
Publikováno v:
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol 16, Pp 1756-1770 (2023)
At present, an emerging technique called the algorithm unrolling approach has attracted wide attention, because it is capable of developing efficient and interpretable layers to eliminate the black-box nature of deep learning (DL). In this article, i
Externí odkaz:
https://doaj.org/article/8a0e5341631346b58771685f61214527
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol 14, Pp 2418-2431 (2021)
In our previous work, a two-phase multiobjective sparse unmixing (Tp-MoSU) approach has been proposed, which settled the regularization parameter issues of the regularization unmixing methods. However, Tp-MoSU has limited performance in identifying t
Externí odkaz:
https://doaj.org/article/ced9ba6e5cdd4e9f850a151cb940acf9