論文の概要: A novel filter based on three variables mutual information for
dimensionality reduction and classification of hyperspectral images
- arxiv url: http://arxiv.org/abs/2210.14609v1
- Date: Wed, 26 Oct 2022 10:29:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 14:58:08.810575
- Title: A novel filter based on three variables mutual information for
dimensionality reduction and classification of hyperspectral images
- Title（参考訳）: 3変数相互情報に基づく超スペクトル画像の次元性低減と分類のための新しいフィルタ
- Authors: Asma Elmaizi, Elkebir Sarhrouni, Ahmed hammouch, Chafik Nacir
- Abstract要約: 実測情報に基づく帯域選択フィルタは次元減少のための一般的な手法である。
3変数の相互情報に基づく新しいフィルタ手法を開発し、分類のための帯域相関を計測する。
提案手法は非常に競争力があり、効果的であり、再現されたフィルタ戦略性能より優れる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The high dimensionality of hyperspectral images (HSI) that contains more than
hundred bands (images) for the same region called Ground Truth Map, often
imposes a heavy computational burden for image processing and complicates the
learning process. In fact, the removal of irrelevant, noisy and redundant bands
helps increase the classification accuracy. Band selection filter based on
"Mutual Information" is a common technique for dimensionality reduction. In
this paper, a categorization of dimensionality reduction methods according to
the evaluation process is presented. Moreover, a new filter approach based on
three variables mutual information is developed in order to measure band
correlation for classification, it considers not only bands relevance but also
bands interaction. The proposed approach is compared to a reproduced filter
algorithm based on mutual information. Experimental results on HSI AVIRIS
92AV3C have shown that the proposed approach is very competitive, effective and
outperforms the reproduced filter strategy performance.
Keywords - Hyperspectral images, Classification, band Selection, Three
variables Mutual Information, information gain.
- Abstract（参考訳）: 超スペクトル画像(HSI)の高次元性は、同じ領域の100以上の帯域(画像)を含むため、画像処理に重い計算負担を課し、学習過程を複雑にすることが多い。
実際、無関係、ノイズ、冗長なバンドの除去は、分類精度を高めるのに役立つ。
実測情報に基づく帯域選択フィルタは次元減少のための一般的な手法である。
本稿では,評価過程に応じた次元性低減法の分類について述べる。
さらに, 3変数の相互情報に基づく新しいフィルタアプローチを開発し, 分類の帯域相関を計測し, バンドの関連性だけでなく, バンド間相互作用も考慮した。
提案手法は相互情報に基づく再生フィルタアルゴリズムと比較する。
HSI AVIRIS 92AV3Cの実験結果から,提案手法は非常に競争力が高く,有効であり,再現されたフィルタ戦略性能より優れていた。
キーワード - ハイパースペクトル画像、分類、バンド選択、3変数の相互情報、情報ゲイン。
関連論文リスト
- Fine-grained Recognition with Learnable Semantic Data Augmentation [68.48892326854494]
きめ細かい画像認識は、長年続くコンピュータビジョンの課題である。
本稿では,識別領域損失問題を軽減するため,特徴レベルのトレーニングデータを多様化することを提案する。
本手法は,いくつかの人気分類ネットワーク上での一般化性能を著しく向上させる。
論文 参考訳（メタデータ） (2023-09-01T11:15:50Z) - Mutual-Guided Dynamic Network for Image Fusion [51.615598671899335]
画像融合のための新しい相互誘導動的ネットワーク(MGDN)を提案する。
5つのベンチマークデータセットによる実験結果から,提案手法は4つの画像融合タスクにおいて既存手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2023-08-24T03:50:37Z) - Hybridization of filter and wrapper approaches for the dimensionality
reduction and classification of hyperspectral images [0.0]
ハイパースペクトル画像の次元化のための帯域選択によるハイブリッドアルゴリズムを提案する。
提案手法は,相互情報に基づく効率的な再生フィルタ手法と比較する。
論文 参考訳（メタデータ） (2022-10-29T05:25:10Z) - A novel information gain-based approach for classification and
dimensionality reduction of hyperspectral images [0.0]
本稿では,高スペクトル画像の次元化と分類のための情報ゲインに基づく新しいフィルタ手法を提案する。
ハイパースペクトル帯の選択に基づく特別な戦略が採用され、最も情報性の高いバンドを選択し、無関係でノイズの多いバンドを捨てる。
提案手法は,2つのベンチマークハイパースペクトルデータセット(インド,パヴィア)と3つの競合する手法を用いて比較する。
論文 参考訳（メタデータ） (2022-10-26T20:59:57Z) - A new band selection approach based on information theory and support
vector machine for hyperspectral images reduction and classification [0.0]
スペクトル帯の選択は、無関係でノイズの多い、冗長なバンドを取り除くための重要なステップです。
本稿では,各帯域間の統計的依存度と相関度を測定するために,共同情報に基づく新たな戦略を提案する。
提案手法は,相互情報に基づく効率的な再生フィルタと比較する。
論文 参考訳（メタデータ） (2022-10-26T10:54:23Z) - Hyperspectral images classification and Dimensionality Reduction using
Homogeneity feature and mutual information [0.0]
本稿では,生成過程に応じた次元削減手法の分類について述べる。
我々は,相互情報(MI)に基づくアルゴリズムを再現し,特徴選択による次元性を低減するとともに,相互情報と均質性を用いたアルゴリズムを導入する。
論文 参考訳（メタデータ） (2022-10-25T23:55:04Z) - Band selection and classification of hyperspectral images by minimizing
normalized mutual information [0.0]
ハイパースペクトル画像(HSI)分類はハイテクリモートセンシングツールである。
主な目的は、ある領域のポイントを分類することである。
一部のバンドは冗長な情報を含んでおり、他のバンドはノイズの影響を受けており、特徴の高次元性は分類の精度を低くする。
本稿では、相互情報(MI)を用いて関連する帯域を選択する。また、冗長な帯域を回避・制御するために正規化相互情報係数を用いる。
論文 参考訳（メタデータ） (2022-10-22T04:10:10Z) - Enhancing Fine-Grained Classification for Low Resolution Images [97.82441158440527]
低解像度画像は、限られた情報内容の固有の課題と、サブカテゴリ分類に有用な詳細の欠如に悩まされる。
本研究では,補助情報を用いて分類の識別的特徴を学習する,新たな属性支援損失を提案する。
提案する損失関数により、モデルは属性レベルの分離性を取り入れながら、クラス固有の識別特徴を学習することができる。
論文 参考訳（メタデータ） (2021-05-01T13:19:02Z) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳（メタデータ） (2020-10-19T13:56:22Z) - Semantically Adversarial Learnable Filters [53.3223426679514]
提案するフレームワークは,マルチタスク目的関数における構造損失と意味的対立損失を組み合わせて,完全な畳み込みニューラルネットワークを訓練する。
構造損失は、ターゲット画像処理フィルタによって型と大きさが定義される摂動を生成するのに役立つ。
意味的敵対的損失は、フィルタされた画像が同じグループのラベルで分類されるのを防ぐために、(意味)ラベルの群が摂動を作らなければならないと考えている。
論文 参考訳（メタデータ） (2020-08-13T18:12:40Z) - ADRN: Attention-based Deep Residual Network for Hyperspectral Image
Denoising [52.01041506447195]
ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。
実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2020-03-04T08:36:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。