본 연구는 HSI와 LiDAR 데이터를 통합하여 새로운 무감독 밴드 선택 프레임워크를 제안한다. 이 프레임워크는 다음과 같은 핵심 구성요소를 포함한다:
주의력 메커니즘: 두 개의 주의력 모듈이 HSI와 LiDAR 데이터의 스펙트럼 및 공간 상관관계를 각각 포착한다. 이를 통해 중요한 특징을 효과적으로 식별할 수 있다.
융합 마스크: HSI와 LiDAR 주의력 마스크를 결합하여 데이터의 필수적인 특징을 포착하고 중복성을 줄인다.
오토인코더: 융합된 마스크를 입력으로 사용하는 오토인코더 네트워크를 통해 효율적인 특징 표현을 학습한다. 이때 희소성을 유도하는 손실 함수를 사용하여 가장 중요한 특징에 초점을 맞춘다.
맞춤형 거리 메트릭: 주의력 점수를 활용한 새로운 거리 메트릭을 제안하여 클러스터링 과정에서 가장 정보가 풍부한 밴드를 선택할 수 있도록 한다.
계층적 클러스터링: 제안된 거리 메트릭과 계층적 클러스터링을 사용하여 개별적으로 중요하고 서로 유사성이 낮은 밴드를 선택한다.
실험 결과, 제안 방법은 기존 방법들에 비해 분류 정확도가 크게 향상되었으며, HSI와 LiDAR 데이터의 융합을 통해 원격 감지 분석 성능을 크게 개선할 수 있음을 보여주었다.
In eine andere Sprache
aus dem Quellinhalt
arxiv.org
Wichtige Erkenntnisse aus
by Judy X Yang,... um arxiv.org 04-09-2024
https://arxiv.org/pdf/2404.05258.pdfTiefere Fragen