这是一篇2019年10月份的关于高光谱图像分类的综述,有李树涛和陈雨时两位大佬的署名。
1.Introduction
two main challenges: 1.the large spatial variability of spectral signatures 2. and limited available training samples versus the high dimensionality of hyperspectral data.
第一个挑战通常是由许多因素带来的,例如照明,环境,大气和时间条件的变化。 第二个挑战将导致某些方法出现问题,并降低分类器的泛化能力。
传统方法/深度学习
2.deep models
介绍了集中基本的深度模型的结构,包括SAE/DBN/CNN/RNN/GAN
3. deep networks-based hsi classification
基本还是沿着光谱分类、空间分类、空谱联合分类进行阐述,其中光谱是1D-CNN,空间是降维(降维方法有很多了,PCA,卷积都可以降维)+2D-CNN。空谱如下图,又分了三种。
4.strategies for limited available samples
数据增强、迁移学习、无监督/半监督学习、网络优化
5.最后是一些实验和分析。