論文の概要: Hybridization of filter and wrapper approaches for the dimensionality
reduction and classification of hyperspectral images
- arxiv url: http://arxiv.org/abs/2210.16496v1
- Date: Sat, 29 Oct 2022 05:25:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-01 17:27:53.954207
- Title: Hybridization of filter and wrapper approaches for the dimensionality
reduction and classification of hyperspectral images
- Title（参考訳）: フィルターとラッパーのハイブリッド化による超スペクトル画像の次元性低減と分類
- Authors: Asma Elmaizi, Maria Merzouqi, Elkebir Sarhrouni, Ahmed hammouch and
Chafik Nacir
- Abstract要約: 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。
- 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 often imposes a heavy
computational burden for image processing. Therefore, dimensionality reduction
is often an essential step in order to remove the irrelevant, noisy and
redundant bands. And consequently, increase the classification accuracy.
However, identification of useful bands from hundreds or even thousands of
related bands is a nontrivial task. This paper aims at identifying a small set
of bands, for improving computational speed and prediction accuracy. Hence, we
have proposed a hybrid algorithm through band selection for dimensionality
reduction of hyperspectral images. The proposed approach combines mutual
information gain (MIG), Minimum Redundancy Maximum Relevance (mRMR) and Error
probability of Fano with Support Vector Machine Bands Elimination (SVM-PF). The
proposed approach is compared to an effective reproduced filters approach based
on mutual information. Experimental results on HSI AVIRIS 92AV3C have shown
that the proposed approach outperforms the reproduced filters.
Keywords - Hyperspectral images, Classification, band Selection, filter,
wrapper, mutual information, information gain.
- Abstract（参考訳）: ハイパースペクトル画像の高次元度はしばしば画像処理に重い計算負荷を課す。
したがって、次元の縮小は、無関係でうるさく冗長な帯域を取り除くために必要不可欠なステップであることが多い。
その結果、分類精度が向上する。
しかし、何百、何千もの関連バンドから有用なバンドを識別するのは簡単な作業ではない。
本稿では,計算速度と予測精度を向上させるために,小さなバンドの集合を同定することを目的とする。
そこで我々は,超スペクトル画像の次元性低減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、相互情報ゲイン(MIG)、最小冗長最大値(mRMR)、Fanoの誤差確率とSVM-PF(Support Vector Machine Bands Elimination)を組み合わせたものである。
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。
HSI AVIRIS 92AV3Cの実験結果から,提案手法は再現フィルタよりも優れた性能を示した。
キーワード - ハイパースペクトル画像、分類、バンド選択、フィルタ、ラッパー、相互情報、情報ゲイン。
関連論文リスト
- Deep Diversity-Enhanced Feature Representation of Hyperspectral Images [87.47202258194719]
トポロジを改良して3次元畳み込みを補正し,上行階の高次化を図る。
また、要素間の独立性を最大化するために特徴マップに作用する新しい多様性対応正規化(DA-Reg)項を提案する。
提案したRe$3$-ConvSetとDA-Regの優位性を実証するために,様々なHS画像処理および解析タスクに適用する。
論文 参考訳（メタデータ） (2023-01-15T16:19:18Z) - 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) - 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) - 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) - Rank-Enhanced Low-Dimensional Convolution Set for Hyperspectral Image
Denoising [50.039949798156826]
本稿では,ハイパースペクトル(HS)画像の難解化問題に対処する。
ランク付き低次元畳み込み集合(Re-ConvSet)を提案する。
次に、Re-ConvSetを広く使われているU-Netアーキテクチャに組み込んで、HS画像復号法を構築する。
論文 参考訳（メタデータ） (2022-07-09T13:35:12Z) - Hierarchical Similarity Learning for Aliasing Suppression Image
Super-Resolution [64.15915577164894]
エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。
HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
論文 参考訳（メタデータ） (2022-06-07T14:55:32Z) - Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。
提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文 参考訳（メタデータ） (2020-03-15T23:07:56Z) - 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) - Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological
Reconstruction and Wavelet frames [146.63177174491082]
Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。
特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。
合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2020-02-14T10:00:03Z)
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。