A Dashboard to Analysis and Synthesis of Dimensionality Reduction Methods in Remote Sensing

要約

ハイパースペクトル画像 (HSI) 分類は、高度な技術を備えたリモート センシング ソフトウェアです。
目的は、主題図を再現することです。
HSI には、関係する領域のバンド (または単に画像) として、100 を超えるハイパースペクトル メジャーが含まれています。
それらは近隣の周波数で取得されます。
残念ながら、一部のバンドは冗長な特徴であり、他のバンドは騒々しく測定され、特徴の高次元性により分類精度が低下しました。
問題は、地域アイテムを分類するための適切なバンドをどのように見つけるかです。
一部の方法では、相互情報量 (MI) としきい値処理を使用して、冗長性を処理せずに関連する画像を選択します。
他の人は冗長性を制御して回避します。
しかし、それらは次元削減を処理します。ある場合は選択として、またある場合は何の関係もなくラッパーメソッドとして処理します。
ここでは、使用されたすべてのスキームに関する調査を紹介し、批判と改善の後、ユーザーが仮説機能の選択および抽出ソフトウェアを分析するのに役立つダッシュボードを合成します。

要約(オリジナル)

Hyperspectral images (HSI) classification is a high technical remote sensing software. The purpose is to reproduce a thematic map . The HSI contains more than a hundred hyperspectral measures, as bands (or simply images), of the concerned region. They are taken at neighbors frequencies. Unfortunately, some bands are redundant features, others are noisily measured, and the high dimensionality of features made classification accuracy poor. The problematic is how to find the good bands to classify the regions items. Some methods use Mutual Information (MI) and thresholding, to select relevant images, without processing redundancy. Others control and avoid redundancy. But they process the dimensionality reduction, some times as selection, other times as wrapper methods without any relationship . Here , we introduce a survey on all scheme used, and after critics and improvement, we synthesize a dashboard, that helps user to analyze an hypothesize features selection and extraction softwares.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google