論文の概要: Supervised classification methods applied to airborne hyperspectral
images: Comparative study using mutual information
- arxiv url: http://arxiv.org/abs/2210.15422v1
- Date: Thu, 27 Oct 2022 13:39:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-28 14:40:57.170754
- Title: Supervised classification methods applied to airborne hyperspectral
images: Comparative study using mutual information
- Title（参考訳）: 空中ハイパースペクトル画像に対する教師あり分類法--相互情報を用いた比較検討
- Authors: Hasna Nhaila, Asma Elmaizi, Elkebir Sarhrouni and Ahmed Hammouch
- Abstract要約: 本稿では,SVM,Random Forest RF,K-Nearest Neighbors KNN,Linear Discriminant Analysis LDAの4つの教師付き学習アルゴリズムの性能について検討する。
実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
- 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: Nowadays, the hyperspectral remote sensing imagery HSI becomes an important
tool to observe the Earth's surface, detect the climatic changes and many other
applications. The classification of HSI is one of the most challenging tasks
due to the large amount of spectral information and the presence of redundant
and irrelevant bands. Although great progresses have been made on
classification techniques, few studies have been done to provide practical
guidelines to determine the appropriate classifier for HSI. In this paper, we
investigate the performance of four supervised learning algorithms, namely,
Support Vector Machines SVM, Random Forest RF, K-Nearest Neighbors KNN and
Linear Discriminant Analysis LDA with different kernels in terms of
classification accuracies. The experiments have been performed on three real
hyperspectral datasets taken from the NASA's Airborne Visible/Infrared Imaging
Spectrometer Sensor AVIRIS and the Reflective Optics System Imaging
Spectrometer ROSIS sensors. The mutual information had been used to reduce the
dimensionality of the used datasets for better classification efficiency. The
extensive experiments demonstrate that the SVM classifier with RBF kernel and
RF produced statistically better results and seems to be respectively the more
suitable as supervised classifiers for the hyperspectral remote sensing images.
Keywords: hyperspectral images, mutual information, dimension reduction,
Support Vector Machines, K-Nearest Neighbors, Random Forest, Linear
Discriminant Analysis.
- Abstract（参考訳）: 現在、超スペクトルリモートセンシング画像hsiは、地球の表面を観測し、気候の変化を検知し、その他多くの応用のための重要なツールとなっている。
HSIの分類は、大量のスペクトル情報と冗長かつ無関係なバンドの存在のため、最も困難な課題の1つである。
分類技術に大きな進歩があったが、HSIの適切な分類方法を決定するための実践的ガイドラインを提供するための研究はほとんど行われていない。
本稿では,4つの教師付き学習アルゴリズム,すなわちサポートベクターマシンsvm,ランダムフォレストrf,k-ネアレスト近傍kn,線形判別解析ldaの性能について,分類精度の観点から検討する。
実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
相互情報は、使用済みデータセットの次元性を低減し、分類効率を向上するために用いられてきた。
広汎な実験により,RBFカーネルとRFを用いたSVM分類器は統計的に良好な結果を示し,高スペクトルリモートセンシング画像の教師付き分類器としてより適していると考えられる。
キーワード:ハイパースペクトル画像、相互情報、次元縮小、サポートベクトルマシン、K-Nearest Neighbors、ランダムフォレスト、線形識別分析。
関連論文リスト
- A Survey of Graph and Attention Based Hyperspectral Image Classification
Methods for Remote Sensing Data [5.1901440366375855]
ハイパースペクトルイメージング(HSI)の分類におけるディープラーニング技術の利用は急速に増加している。
最近の手法では、グラフ畳み込みネットワークの利用と、予測にノード機能を使用するユニークな機能についても検討されている。
論文 参考訳（メタデータ） (2023-10-16T00:42:25Z) - ADASR: An Adversarial Auto-Augmentation Framework for Hyperspectral and
Multispectral Data Fusion [54.668445421149364]
HSI(Deep Learning-based Hyperspectral Image)は、HSI(Hyperspectral Image)とMSI(Multispectral Image)を深層ニューラルネットワーク(DNN)に融合させることにより、高空間分解能HSI(HR-HSI)を生成することを目的としている。
本稿では, HSI-MSI 融合のためのデータ多様性を向上するために, HSI-MSI サンプルペアの自動最適化と拡張を行う新しい逆自動データ拡張フレームワーク ADASR を提案する。
論文 参考訳（メタデータ） (2023-10-11T07:30:37Z) - ESSAformer: Efficient Transformer for Hyperspectral Image
Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。
本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文 参考訳（メタデータ） (2023-07-26T07:45:14Z) - Hyperspectral Image Analysis with Subspace Learning-based One-Class
Classification [18.786429304405097]
ハイパースペクトル画像(HSI)分類は、環境モニタリング、医療画像、土地利用/土地被覆(LULC)分類など、多くの応用において重要な課題である。
本研究では,最近提案した1クラス分類(OCC)における部分空間学習手法について検討する。
このようにして、提案する分類フレームワークでは、個別の次元削減や特徴選択の手順は不要である。
LULC分類問題とリッチスペクトル情報(高次元)の不均衡ラベルを考えると,提案手法はHSIデータに適している。
論文 参考訳（メタデータ） (2023-04-19T15:17:05Z) - Hyperspectral Images Classification and Dimensionality Reduction using
spectral interaction and SVM classifier [0.0]
ハイパースペクトル画像(HSI)の高次元性は、収集したデータを分析する上で大きな課題の1つである。
ノイズ、冗長、無関係なバンドの存在は、計算複雑性を増大させる。
本稿では,スペクトル相互作用尺度に基づく新しいフィルタ手法と,次元減少のための支持ベクトルマシンを提案する。
論文 参考訳（メタデータ） (2022-10-27T15:37:57Z) - A Novel Filter Approach for Band Selection and Classification of
Hyperspectral Remotely Sensed Images Using Normalized Mutual Information and
Support Vector Machines [0.0]
本稿では,情報理論(正規化相互情報)とサポートベクトルマシンSVMを用いた高スペクトル画像の次元削減と分類のための新しいフィルタ手法を提案する。
提案アルゴリズムを、NASAのAVIRISセンサーが収集した2つのよく知られたベンチマークデータセットに、インディアナ州とサリナスの谷で適用した。
論文 参考訳（メタデータ） (2022-10-27T14:23:06Z) - 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) - Remote Sensing Image Classification using Transfer Learning and
Attention Based Deep Neural Network [59.86658316440461]
本稿では、転送学習技術とマルチヘッドアテンションスキームを活用した、深層学習に基づくRSISCフレームワークを提案する。
提案したディープラーニングフレームワークは、ベンチマークNWPU-RESISC45データセットに基づいて評価され、最高の分類精度94.7%を達成する。
論文 参考訳（メタデータ） (2022-06-20T10:05:38Z) - Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet
Transmission Spectra [68.8204255655161]
我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。
スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。
主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
論文 参考訳（メタデータ） (2022-01-07T22:26:33Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳（メタデータ） (2021-10-27T07:18:32Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z)
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。