Unsupervised Segmentation of Hyperspectral Remote Sensing Images with Superpixels

要約

この論文では、ハイパースペクトルリモートセンシング画像セグメンテーションのための教師なし方法を提案します。
この方法は、スペクトル ピクセル情報と共に予備的なハイパースペクトル スーパーピクセル セグメンテーションを入力として受け取る平均シフト クラスタリング アルゴリズムを利用します。
提案された方法は、入力パラメーターとしてセグメンテーション クラスの数を必要とせず、セグメンテーションされる土地被覆または土地利用の種類 (水、植生、建物など) に関するアプリオリな知識を利用しません。
Salinas、SalinasA、Pavia Center、および Pavia University のデータセットに関する実験が行われています。
パフォーマンスは、正規化された相互情報量、調整済みランド インデックス、および F1 スコアの観点から測定されます。
結果は、最新技術と比較して、提案された方法の妥当性を示しています。

要約(オリジナル)

In this paper, we propose an unsupervised method for hyperspectral remote sensing image segmentation. The method exploits the mean-shift clustering algorithm that takes as input a preliminary hyperspectral superpixels segmentation together with the spectral pixel information. The proposed method does not require the number of segmentation classes as input parameter, and it does not exploit any a-priori knowledge about the type of land-cover or land-use to be segmented (e.g. water, vegetation, building etc.). Experiments on Salinas, SalinasA, Pavia Center and Pavia University datasets are carried out. Performance are measured in terms of normalized mutual information, adjusted Rand index and F1-score. Results demonstrate the validity of the proposed method in comparison with the state of the art.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google