A modified SLIC-based superpixel segmentation for hyperspectral images-Reference-Cited by-同舟云学术

A modified SLIC-based superpixel segmentation for hyperspectral images

Published:2022-02-11 Issue: Volume: Page:
ISSN:1300-1884
Container-title:Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi
language:tr
Short-container-title:

Author:

SIĞIRCI İbrahim Onur¹,BILGIN Gokhan¹

Affiliation:

1. Yildiz Technical University

Abstract

Basit doğrusal iteratif kümeleme (SLIC) süperpiksel algoritması, bölütleme için verimli ve hızlı bir algoritmadır. Bu algoritma doğası gereği üç bantlı renkli görüntüler için tasarlanmıştır. Uzaktan algılamada yeni bir teknoloji olan hiperspektral görüntüleme, zengin spektral ve uzamsal bilgi taşıyan yüzlerce bant içermektedir. Bu çalışmada, SLIC algoritması hiperspektral görüntülerin yapısına göre değiştirilmiştir. Buna ek olarak, benzer süperpikseller DBSCAN (gürültülü uygulamaların yoğunluk tabanlı uzamsal kümelenmesi) algoritması ile birleştirilmiştir. Esinlenen yeni bir yaklaşımla süperpikseller arasındaki spektral benzerlik indeksi, evrensel görüntü kalitesi indeksine göre hesaplanmıştır. Elde edilen bölütleme haritalarının sınıflandırma performansına katkısı karşılaştırılmalı olarak sunulmuştur.

Publisher

Journal of the Faculty of Engineering and Architecture of Gazi University

Subject

General Engineering,Architecture

Reference22 articles.

1. 1. J. Ham, Y. Chen, M. M. Crawford, and J. Ghosh, Investigation of the random forest framework for classification of hyperspectral data, IEEE Transaction on Geoscience and Remote Sensing, 43 (3), 492–501, 2005.

2. 2. E. Arzuaga-Cruz, L. O. Jimenez-Rodriguez, and M. Velez-Reyes, Unsupervised feature extraction and band subset selection techniques based on relative entropy criteria for hyperspectral data analysis, in Proceeding of SPIE, 5093, 462–473, 2003.

3. 3. S. Kawaguchi and R. Nishii, Hyperspectral image classification by bootstrap adaboost with random decision stumps, IEEE Transaction on Geoscience and Remote Sensing, 45 (11), 3845–3851, 2007.

4. 4. F. Melgani and L. Bruzzone, Classification of hyperspectral remote sensing images with support vector machines, IEEE Transaction on Geoscience and Remote Sensing, 42 (8), 1778–1790, 2004.

5. 5. J. Li, J. M. Bioucas-Dias, and A. Plaza, Spectral–spatial classification of hyperspectral data using loopy belief propagation and active learning, IEEE Transaction on Geoscience and Remote Sensing, 51(2), 844–856, 2013.

Cited by 1 articles. 订阅此论文施引文献订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献

1. An improvement method for pancreas CT segmentation using superpixel-based active contour;Physics in Medicine & Biology;2024-05-10