論文の概要: Optimal Hyperspectral Undersampling Strategy for Satellite Imaging
- arxiv url: http://arxiv.org/abs/2504.19279v1
- Date: Sun, 27 Apr 2025 15:33:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.214957
- Title: Optimal Hyperspectral Undersampling Strategy for Satellite Imaging
- Title（参考訳）: 衛星イメージングのための最適ハイパースペクトルアンダーサンプリング戦略
- Authors: Vita V. Vlasova, Vladimir G. Kuzmin, Maria S. Varetsa, Natalia A. Ibragimova, Oleg Y. Rogov, Elena V. Lyapuntsova,
- Abstract要約: ハイパースペクトル画像分類のための新しい反復ウェーブレットを用いた勾配サンプリング法を提案する。
IWGSはウェーブレット変換領域内の勾配を解析することにより、最も情報性の高いスペクトル帯域を段階的に選択する。
我々はヒューストン2013とインディアンパインズの2つの広く使われているベンチマークHSIデータセットについて包括的な実験を行った。
IWGSは、精度と計算効率の両方の観点から、最先端のバンド選択と分類技術より一貫して優れている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Hyperspectral image (HSI) classification presents significant challenges due to the high dimensionality, spectral redundancy, and limited labeled data typically available in real-world applications. To address these issues and optimize classification performance, we propose a novel band selection strategy known as Iterative Wavelet-based Gradient Sampling (IWGS). This method incrementally selects the most informative spectral bands by analyzing gradients within the wavelet-transformed domain, enabling efficient and targeted dimensionality reduction. Unlike traditional selection methods, IWGS leverages the multi-resolution properties of wavelets to better capture subtle spectral variations relevant for classification. The iterative nature of the approach ensures that redundant or noisy bands are systematically excluded while maximizing the retention of discriminative features. We conduct comprehensive experiments on two widely-used benchmark HSI datasets: Houston 2013 and Indian Pines. Results demonstrate that IWGS consistently outperforms state-of-the-art band selection and classification techniques in terms of both accuracy and computational efficiency. These improvements make our method especially suitable for deployment in edge devices or other resource-constrained environments, where memory and processing power are limited. In particular, IWGS achieved an overall accuracy up to 97.8% on Indian Pines for selected classes, confirming its effectiveness and generalizability across different HSI scenarios.
- Abstract（参考訳）: ハイパースペクトル画像(HSI)分類は、高次元性、スペクトル冗長性、および現実のアプリケーションで一般的に利用できる限られたラベル付きデータにより、大きな課題を呈している。
これらの問題に対処し、分類性能を最適化するために、Iterative Wavelet-based Gradient Sampling (IWGS)と呼ばれる新しいバンド選択戦略を提案する。
この方法はウェーブレット変換領域内の勾配を解析することにより、最も情報性の高いスペクトル帯域を漸進的に選択し、効率的で目標となる次元の減少を可能にする。
従来の選択法とは異なり、IWGSはウェーブレットの多重分解能特性を利用して、分類に関連する微妙なスペクトル変化をよりよく捉えている。
このアプローチの反復的性質は、識別的特徴の保持を最大化しながら、冗長またはノイズの多いバンドを体系的に排除することを保証する。
我々はヒューストン2013とインディアンパインズの2つの広く使われているベンチマークHSIデータセットについて包括的な実験を行った。
その結果、IWGSは、精度と計算効率の両面において、最先端のバンド選択と分類技術より一貫して優れていることが示された。
これらの改善により,メモリや処理能力に制限があるエッジデバイスや他のリソース制約のある環境への展開に特に適している。
特にIWGSは、選択されたクラスのインドパインの97.8%の精度を達成し、様々なHSIシナリオにおけるその有効性と一般化性を確認した。
関連論文リスト
- A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。
工業画像から抽出した55個の特徴を統計的手法を用いて解析した。
これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
論文 参考訳（メタデータ） (2024-12-11T22:12:21Z) - Spectral-Spatial Transformer with Active Transfer Learning for Hyperspectral Image Classification [3.446873355279676]
ハイパースペクトル画像(HSI)の分類は、高スペクトル次元と限られたラベル付きデータのために難しい課題である。
本研究では,空間スペクトル変換器(SST)と能動学習プロセスを統合し,効率的なHSI分類を実現するための多段階能動移動学習(ATL)フレームワークを提案する。
HSIデータセットのベンチマーク実験では、SST-ATLフレームワークが既存のCNNやSSTベースの手法よりも大幅に優れていることが示されている。
論文 参考訳（メタデータ） (2024-11-27T07:53:39Z) - Scalable and Effective Negative Sample Generation for Hyperedge Prediction [55.9298019975967]
ハイパーエッジ予測は、Webベースのアプリケーションにおける複雑なマルチエンタリティ相互作用を理解するために不可欠である。
従来の手法では、正と負のインスタンスの不均衡により、高品質な負のサンプルを生成するのが困難であることが多い。
本稿では,これらの課題に対処するために拡散モデルを利用するハイパーエッジ予測(SEHP)フレームワークのスケーラブルで効果的な負のサンプル生成について述べる。
論文 参考訳（メタデータ） (2024-11-19T09:16:25Z) - Dual Selective Fusion Transformer Network for Hyperspectral Image Classification [34.7051033596479]
Transformerは、ハイパースペクトル画像(HSI)分類の分野で満足な結果を得た。
既存のトランスフォーマーモデルは、多様な土地被覆タイプと豊富なスペクトル情報によって特徴付けられるHSIシーンを扱う際に、2つの重要な課題に直面している。
HSI分類のための新しいDual Selective Fusion Transformer Network (DSFormer)を提案する。
論文 参考訳（メタデータ） (2024-10-04T06:05:26Z) - Unsupervised Band Selection Using Fused HSI and LiDAR Attention Integrating With Autoencoder [16.742768644585684]
ハイパースペクトルイメージング(HSI)における帯域選択は,データ処理の最適化と解析精度の向上に重要である。
従来のアプローチは、個々のバンド内のスペクトル特性と画素特性を独立して分析することに集中してきた。
本稿では、アテンション機構と、再構成に基づくバンド選択のためのオートエンコーダを組み込んだ、新しい教師なしバンド選択フレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-08T07:47:28Z) - 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) - Domain Generalization Guided by Gradient Signal to Noise Ratio of
Parameters [69.24377241408851]
ソースドメインへのオーバーフィッティングは、ディープニューラルネットワークの勾配に基づくトレーニングにおいて一般的な問題である。
本稿では,ネットワークパラメータの勾配-信号-雑音比(GSNR)を選択することを提案する。
論文 参考訳（メタデータ） (2023-10-11T10:21:34Z) - DCN-T: Dual Context Network with Transformer for Hyperspectral Image
Classification [109.09061514799413]
複雑な撮像条件による空間変動のため,HSI分類は困難である。
本稿では,HSIを高品質な三スペクトル画像に変換する三スペクトル画像生成パイプラインを提案する。
提案手法は,HSI分類における最先端手法よりも優れている。
論文 参考訳（メタデータ） (2023-04-19T18:32:52Z) - 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) - Adversarial Feature Augmentation and Normalization for Visual
Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。
本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。
代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文 参考訳（メタデータ） (2021-03-22T20:36:34Z) - Capturing scattered discriminative information using a deep architecture
in acoustic scene classification [49.86640645460706]
本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。
我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。
2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
論文 参考訳（メタデータ） (2020-07-09T08:32:06Z)
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。