A new band selection approach based on information theory and support vector machine for hyperspectral images reduction and classification

要約

複数のバンドで構成されるハイパースペクトル画像の高次元性は、多くの場合、画像処理に大きな計算上の課題を課します。
したがって、スペクトル バンドの選択は、無関係でノイズの多い冗長なバンドを削除するための重要なステップです。
その結果、分類精度が向上します。
ただし、数百または数千の関連バンドから有用なバンドを識別することは、重要な作業です。
この論文は、計算速度と予測精度を向上させるために、高度に識別可能なバンドの小さなセットを特定することを目的としています。
したがって、選択したバンド間の統計的依存性と相関関係を測定し、分類に対するそれぞれの相対的な有用性を評価するために、共同相互情報に基づく新しい戦略を提案しました。
提案されたフィルター手法は、相互情報に基づく効果的な再生フィルターと比較されます。
SVM 分類器を使用したハイパーペクトラル イメージ HSI AVIRIS 92AV3C のシミュレーション結果は、提案された効果的なアルゴリズムが再現されたフィルター戦略のパフォーマンスよりも優れていることを示しています。
キーワード – ハイパースペクトル画像、分類、帯域選択、共同相互情報量、次元削減、相関、SVM。

要約(オリジナル)

The high dimensionality of hyperspectral images consisting of several bands often imposes a big computational challenge for image processing. Therefore, spectral band selection is an essential step for removing the irrelevant, noisy and redundant bands. Consequently increasing 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 highly discriminative bands, for improving computational speed and prediction accuracy. Hence, we proposed a new strategy based on joint mutual information to measure the statistical dependence and correlation between the selected bands and evaluate the relative utility of each one to classification. The proposed filter approach is compared to an effective reproduced filters based on mutual information. Simulations results on the hyperpectral image HSI AVIRIS 92AV3C using the SVM classifier have shown that the effective proposed algorithm outperforms the reproduced filters strategy performance. Keywords-Hyperspectral images, Classification, band Selection, Joint Mutual Information, dimensionality reduction ,correlation, SVM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google