論文の概要: A Novel Filter Approach for Band Selection and Classification of
Hyperspectral Remotely Sensed Images Using Normalized Mutual Information and
Support Vector Machines
- arxiv url: http://arxiv.org/abs/2210.15477v1
- Date: Thu, 27 Oct 2022 14:23:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-28 14:40:08.972191
- Title: A Novel Filter Approach for Band Selection and Classification of
Hyperspectral Remotely Sensed Images Using Normalized Mutual Information and
Support Vector Machines
- Title（参考訳）: 正規化相互情報と支援ベクトルマシンを用いたハイパースペクトルリモートセンシング画像のバンド選択と分類のための新しいフィルタ手法
- Authors: Hasna Nhaila, Asma Elmaizi, Elkebir Sarhrouni and Ahmed Hammouch
- Abstract要約: 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。
- 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: Band selection is a great challenging task in the classification of
hyperspectral remotely sensed images HSI. This is resulting from its high
spectral resolution, the many class outputs and the limited number of training
samples. For this purpose, this paper introduces a new filter approach for
dimension reduction and classification of hyperspectral images using
information theoretic (normalized mutual information) and support vector
machines SVM. This method consists to select a minimal subset of the most
informative and relevant bands from the input datasets for better
classification efficiency. We applied our proposed algorithm on two well-known
benchmark datasets gathered by the NASA's AVIRIS sensor over Indiana and
Salinas valley in USA. The experimental results were assessed based on
different evaluation metrics widely used in this area. The comparison with the
state of the art methods proves that our method could produce good performance
with reduced number of selected bands in a good timing.
Keywords: Dimension reduction, Hyperspectral images, Band selection,
Normalized mutual information, Classification, Support vector machines
- Abstract（参考訳）: 帯域選択は、ハイパースペクトルリモートセンシング画像hsiの分類において非常に難しい課題である。
これは、高いスペクトル分解能、多くのクラス出力、限られた数のトレーニングサンプルに起因する。
そこで本稿では,情報理論(正規化相互情報)と支援ベクトルマシンSVMを用いたハイパー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。
この方法は、入力データセットから最も有益で関連する帯域の最小サブセットを選択することで分類効率を向上させる。
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。
実験結果は, この領域で広く用いられている異なる評価指標に基づいて評価した。
提案手法との比較により, 選択したバンド数を減らすことで, 良好なタイミングで良好な性能が得られることを示す。
キーワード:次元削減、ハイパースペクトル画像、帯域選択、正規化相互情報、分類、サポートベクトルマシン
関連論文リスト
- Additional Look into GAN-based Augmentation for Deep Learning COVID-19
Image Classification [57.1795052451257]
我々は,GANに基づく拡張性能のデータセットサイズ依存性について,小サンプルに着目して検討した。
両方のセットでStyleGAN2-ADAをトレーニングし、生成した画像の品質を検証した後、マルチクラス分類問題における拡張アプローチの1つとしてトレーニングされたGANを使用する。
GANベースの拡張アプローチは、中規模および大規模データセットでは古典的な拡張に匹敵するが、より小さなデータセットでは不十分である。
論文 参考訳（メタデータ） (2024-01-26T08:28:13Z) - Convolutional autoencoder-based multimodal one-class classification [80.52334952912808]
1クラス分類は、単一のクラスからのデータを用いた学習のアプローチを指す。
マルチモーダルデータに適した深層学習一クラス分類法を提案する。
論文 参考訳（メタデータ） (2023-09-25T12:31:18Z) - 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) - 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) - 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) - A Novel Approach for Dimensionality Reduction and Classification of
Hyperspectral Images based on Normalized Synergy [0.0]
クラス予測に相補的な関連帯域を検出するために,新しいフィルタ手法である正規化相互シナジー(NMS)を提案する。
提案手法は,最大正規化交感神経情報の組み合わせに基づいて,選択した帯域の識別力を測定する。
NASAが提案した3つのベンチマークハイパースペクトル画像の実験結果は、提案手法の堅牢性、有効性、識別力を示した。
論文 参考訳（メタデータ） (2022-10-25T10:36:26Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - Hyperspectral Band Selection for Multispectral Image Classification with
Convolutional Networks [0.0]
ハイパースペクトル画像から波長の減少したセットを選択するための新しいバンド選択法を提案する。
本手法により,マルチスペクトルセンサの設計に適した結果が得られることを示す。
論文 参考訳（メタデータ） (2021-06-01T17:24:35Z) - 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) - 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。