論文の概要: A novel information gain-based approach for classification and
dimensionality reduction of hyperspectral images
- arxiv url: http://arxiv.org/abs/2210.15027v1
- Date: Wed, 26 Oct 2022 20:59:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-28 14:11:30.140366
- Title: A novel information gain-based approach for classification and
dimensionality reduction of hyperspectral images
- Title（参考訳）: ハイパースペクトル画像の分類と次元化のための情報ゲインに基づく新しいアプローチ
- Authors: Asma Elmaizi, Hasna Nhaila, Elkebir Sarhrouni, Ahmed Hammouch, and
Chafik Nacir
- Abstract要約: 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。
- 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: Recently, the hyperspectral sensors have improved our ability to monitor the
earth surface with high spectral resolution. However, the high dimensionality
of spectral data brings challenges for the image processing. Consequently, the
dimensionality reduction is a necessary step in order to reduce the
computational complexity and increase the classification accuracy. In this
paper, we propose a new filter approach based on information gain for
dimensionality reduction and classification of hyperspectral images. A special
strategy based on hyperspectral bands selection is adopted to pick the most
informative bands and discard the irrelevant and noisy ones. The algorithm
evaluates the relevancy of the bands based on the information gain function
with the support vector machine classifier. The proposed method is compared
using two benchmark hyperspectral datasets (Indiana, Pavia) with three
competing methods. The comparison results showed that the information gain
filter approach outperforms the other methods on the tested datasets and could
significantly reduce the computation cost while improving the classification
accuracy. Keywords: Hyperspectral images; dimensionality reduction; information
gain; classification accuracy.
Keywords: Hyperspectral images; dimensionality reduction; information gain;
classification accuracy.
- Abstract（参考訳）: 近年,ハイパースペクトルセンサは地球表面を高いスペクトル分解能で監視する能力を向上させている。
しかし、スペクトルデータの高次元化は画像処理に課題をもたらす。
したがって、次元の縮小は計算の複雑さを低減し、分類精度を向上させるために必要なステップである。
本稿では,ハイパースペクトル画像の次元性低減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。
このアルゴリズムは,支援ベクトルマシン分類器を用いて情報ゲイン関数に基づいて,帯域の関連性を評価する。
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。
比較の結果,情報ゲインフィルタの手法は他の手法よりも優れており,分類精度を向上しながら計算コストを大幅に削減できることがわかった。
キーワード:ハイパースペクトル画像、次元減少、情報ゲイン、分類精度。
キーワード:ハイパースペクトル画像、次元減少、情報ゲイン、分類精度。
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) - Probabilistic Deep Metric Learning for Hyperspectral Image
Classification [91.5747859691553]
本稿では,ハイパースペクトル画像分類のための確率論的深度学習フレームワークを提案する。
ハイパースペクトルセンサーが捉えた画像に対して、各ピクセルのカテゴリを予測することを目的としている。
我々のフレームワークは、既存のハイパースペクトル画像分類法に容易に適用できる。
論文 参考訳（メタデータ） (2022-11-15T17:57:12Z) - A new filter for dimensionality reduction and classification of
hyperspectral images using GLCM features and mutual information [0.0]
ハイパースペクトル画像の次元化と分類のための新しい手法を提案する。
スペクトル情報と空間情報の両方を相互情報に基づいて考慮する。
3つのよく知られたハイパースペクトルベンチマークデータセットで実験が行われる。
論文 参考訳（メタデータ） (2022-11-01T13:19:08Z) - 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 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) - A novel filter based on three variables mutual information for
dimensionality reduction and classification of hyperspectral images [0.0]
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。
論文 参考訳（メタデータ） (2022-10-26T10:29:00Z) - New wrapper method based on normalized mutual information for dimension
reduction and classification of hyperspectral images [0.0]
正規化相互情報(NMI)と誤り確率(PE)に基づく新しいラッパー手法を提案する。
NASAのAVIRIS(Airborne Visible/Infrared Imaging Spectrometer Sensor)が捉えた、2つの挑戦的なハイパースペクトルベンチマークデータセットで実験が行われた。
論文 参考訳（メタデータ） (2022-10-25T21:17:11Z) - Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。
まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。
次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
論文 参考訳（メタデータ） (2021-12-31T10:03:47Z) - 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) - 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) - Spatial-Spectral Residual Network for Hyperspectral Image
Super-Resolution [82.1739023587565]
ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。
提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。
各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
論文 参考訳（メタデータ） (2020-01-14T03:34:55Z)
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。