論文の概要: Correlation-Based Band Selection for Hyperspectral Image Classification
- arxiv url: http://arxiv.org/abs/2501.14338v1
- Date: Fri, 24 Jan 2025 09:03:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-27 14:56:07.335443
- Title: Correlation-Based Band Selection for Hyperspectral Image Classification
- Title(参考訳): ハイパースペクトル画像分類のための相関に基づく帯域選択
- Authors: Dibyabha Deb, Ujjwal Verma,
- Abstract要約: ハイパースペクトル画像分類のための相関に基づく帯域選択手法を提案する。
提案手法は, 相関係数を用いて帯域間の平均相関を算出し, 帯域間の関係を同定する。
これにより、帯域間の依存性が低いバンドを分離して保持し、選択したバンドが多様で非冗長な情報を提供することを保証できる。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Hyperspectral images offer extensive spectral information about ground objects across multiple spectral bands. However, the large volume of data can pose challenges during processing. Typically, adjacent bands in hyperspectral data are highly correlated, leading to the use of only a few selected bands for various applications. In this work, we present a correlation-based band selection approach for hyperspectral image classification. Our approach calculates the average correlation between bands using correlation coefficients to identify the relationships among different bands. Afterward, we select a subset of bands by analyzing the average correlation and applying a threshold-based method. This allows us to isolate and retain bands that exhibit lower inter-band dependencies, ensuring that the selected bands provide diverse and non-redundant information. We evaluate our proposed approach on two standard benchmark datasets: Pavia University (PA) and Salinas Valley (SA), focusing on image classification tasks. The experimental results demonstrate that our method performs competitively with other standard band selection approaches.
- Abstract(参考訳): ハイパースペクトル画像は、複数のスペクトル帯にまたがる地上物体に関する広範なスペクトル情報を提供する。
しかし、大量のデータが処理中に問題を引き起こす可能性がある。
通常、超スペクトルデータの隣り合うバンドは高い相関関係にあり、様々な用途にいくつかの選択されたバンドしか使われない。
本研究では,ハイパースペクトル画像分類のための相関に基づく帯域選択手法を提案する。
提案手法は, 相関係数を用いて帯域間の平均相関を算出し, 帯域間の関係を同定する。
その後,平均相関を解析し,しきい値に基づく手法を適用することにより,帯域のサブセットを選択する。
これにより、帯域間の依存性が低いバンドを分離して保持し、選択したバンドが多様で非冗長な情報を提供することを保証できる。
そこで我々は,Pavia University (PA) と Salinas Valley (SA) の2つの標準ベンチマークデータセットに対して,画像分類タスクに着目したアプローチを提案する。
実験により,本手法は他の標準帯域選択手法と競合することを示した。
関連論文リスト
- Multi-Teacher Multi-Objective Meta-Learning for Zero-Shot Hyperspectral Band Selection [50.30291173608449]
ゼロショットハイパースペクトル帯選択のための新しい多目的メタラーニングネットワーク(M$3$BS)を提案する。
M$3$BSでは、データセットに依存しないベースを生成するために、一般化可能なグラフ畳み込みネットワーク(GCN)を構築している。
取得したメタ知識は、トレーニングや微調整なしに、直接見えないデータセットに転送することができる。
論文 参考訳(メタデータ) (2024-06-12T07:13:31Z) - Embedded Hyperspectral Band Selection with Adaptive Optimization for Image Semantic Segmentation [0.0]
本稿では,組込みソリューションを提供するハイパースペクトル帯域選択の先駆的アプローチを提案する。
提案手法は,組込み高スペクトル帯域選択 (EHBS) により,事前処理を必要とせずに最適な帯域を選択することができる。
我々は2つの異なるセマンティック・セグメンテーション・ハイパースペクトル・ベンチマーク・データセットの実験を行い、精度と使いやすさの観点からそれらの優位性を実証した。
論文 参考訳(メタデータ) (2024-01-21T07:48:39Z) - One-shot neural band selection for spectral recovery [15.565913045545066]
スペクトル回復のための新しいワンショットニューラルバンド選択(NBS)フレームワークを提案する。
我々のNBSは、帯域選択過程の連続的な緩和に基づいており、勾配勾配を用いた効率的な帯域探索を可能にする。
私たちのコードは公開されます。
論文 参考訳(メタデータ) (2023-05-16T07:34:03Z) - Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。
階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
論文 参考訳(メタデータ) (2023-05-11T10:30:35Z) - Category-Adaptive Label Discovery and Noise Rejection for Multi-label
Image Recognition with Partial Positive Labels [78.88007892742438]
部分正ラベル(MLR-PPL)を用いたマルチラベルモデルの訓練が注目されている。
これまでの研究では、未知のラベルを負とみなし、従来のMLRアルゴリズムを採用した。
我々は,MLR-PPLタスクを容易にするために,異なる画像間の意味的相関について検討する。
論文 参考訳(メタデータ) (2022-11-15T02:11:20Z) - 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) - Anomaly Clustering: Grouping Images into Coherent Clusters of Anomaly
Types [60.45942774425782]
我々は異常クラスタリングを導入し、その目標はデータを異常型の一貫性のあるクラスタにまとめることである。
これは異常検出とは違い、その目標は異常を通常のデータから分割することである。
パッチベースの事前訓練されたディープ埋め込みとオフザシェルフクラスタリング手法を用いた,単純で効果的なクラスタリングフレームワークを提案する。
論文 参考訳(メタデータ) (2021-12-21T23:11:33Z) - Visualizing Classifier Adjacency Relations: A Case Study in Speaker
Verification and Voice Anti-Spoofing [72.4445825335561]
任意のバイナリ分類器によって生成される検出スコアから2次元表現を導出する簡単な方法を提案する。
ランク相関に基づいて,任意のスコアを用いた分類器の視覚的比較を容易にする。
提案手法は完全に汎用的であり,任意の検出タスクに適用可能だが,自動話者検証と音声アンチスプーフィングシステムによるスコアを用いた手法を実証する。
論文 参考訳(メタデータ) (2021-06-11T13:03:33Z) - 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) - Few-shot Learning for Multi-label Intent Detection [59.66787898744991]
State-of-the-art work estimates label-instancelevance scores and using threshold to select multiple associated intent labels。
2つのデータセットの実験により、提案モデルが1ショットと5ショットの両方の設定において強いベースラインを著しく上回ることが示された。
論文 参考訳(メタデータ) (2020-10-11T14:42:18Z)
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。