Robust Classification Models for Hyperspectral Images

Promovendus/a
Li, Meizhu
Faculteit
Faculteit Ingenieurswetenschappen en Architectuur
Vakgroep
Vakgroep Telecommunicatie en Informatieverwerking
Curriculum
Master Degree of Engineering, Southwest University, China, 2016
Academische graad
Doctor in de ingenieurswetenschappen: computerwetenschappen
Taal proefschrift
Engels
Vertaling titel
Robuuste classificatiemodellen voor hyperspectrale beelden
Promotor(en)
prof. Aleksandra Pizurica, vakgroep Telecommunicatie en Informatieverwerking - prof. Gert De Cooman, vakgroep Elektronica en Informatiesystemen
Examencommissie
voorzitter prof. Filip De Turck (academisch secretaris) - prof. Gert De Cooman (vakgroep Elektronica en Informatiesystemen) - prof. Yong Deng (University of Electronic Science and Technology of China, China) - prof. Bart Goossens (vakgroep Telecommunicatie en Informatieverwerking) - prof. Irena Orovic (University of Montenegro, Montenegro) - prof. Aleksandra Pizurica (vakgroep Telecommunicatie en Informatieverwerking) - dr. Ljiljana Platisa (vakgroep Telecommunicatie en Informatieverwerking)

Korte beschrijving

Moderne teledetectiesystemen bevatten vaak hyperspectrale beelden (HSIs), die gedetailleerde spectrale informatie verschaffen over de afgebeelde objecten in honderden smalle banden, waardoor onderscheid kan worden gemaakt tussen materialen die vaak visueel niet te onderscheiden zijn. Deze rijke spectrale informatie maakt het mogelijk om effectief te onderscheiden tussen verschillende soorten bodembedekking, wat van belang is op veel gebieden, zoals precisielandbouw, zoetwaterecologie, detectie van militaire doelen en beeldvorming van stedelijke emissies, om er maar een paar te noemen. Dit proefschrift richt zich op de studie van robuuste hyperspectrale beeldclassificatiemodellen, met name op robuustheid met betrekking tot onnauwkeurige labelinformatie. Om het onderzoek naar robuuste hyperspectrale classificatiemodellen aan te pakken, analyseren en evalueren we de robuustheid van representatieve HSI-classificaties om ruis te labelen, en ontwikkelen we nieuwe robuuste classificatiemethoden voor hoogdimensionale en multimodale gegevens. Onze robuuste classificatiebenadering stoelt op principes uit de theorie van imprecieze waarschijnlijkheden.

Praktisch

Datum
Vrijdag 24 juni 2022, 09:30
Livestream
Volg online

Meer info

Contact
doctoraat.ea@ugent.be