Deep hyperspectral clustering using attention-enhanced 3D-2D convolutional autoencoder for mineral mapping

Remotely sensed hyperspectral images (HSIs) provide valuable compositional information on the surface target materials crucial for Earth observation and geoscience applications. The necessity of labelled data and the high dimensionality of HSI hinder efficient hyperspectral data processing. Hyperspe...

Celý popis

Podrobná bibliografie

Vydáno v:	Remote sensing applications Ročník 39; s. 101700
Hlavní autoři:	Peyghambari, Sima, Zhang, Yun
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 01.08.2025
Témata:	Convolutional autoencoder Deep learning Hyperspectral remote sensing Mineral mapping Spectral-spatial feature extraction Deep learning Spectral-spatial feature extraction Mineral mapping Convolutional autoencoder Hyperspectral remote sensing
ISSN:	2352-9385, 2352-9385
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!