A Novel Approach for Dimensionality Reduction and Classification of Hyperspectral Images based on Normalized Synergy

要約

過去 10 年間、ハイパースペクトル画像は世界中の研究者の関心を集めてきました。
これらは、観測された領域に関するより詳細な情報を提供し、従来の RGB およびマルチスペクトル画像と比較して、正確なターゲット検出とオブジェクトの正確な識別を可能にします。
ハイパースペクトル技術の大きな可能性にもかかわらず、大量のデータの分析と活用は依然として困難な作業です。
無関係な冗長な画像やノイズの多い画像が存在すると、分類の精度が低下します。
その結果、最小かつ効果的な画像サブセットを選択するために、次元削減は必須のステップです。
この論文では、元のハイパースペクトルキューブデータよりも優れたクラス予測で補完的な関連バンドを検出するために、新しいフィルターアプローチ正規化相互相乗効果 (NMS) が提案されています。
アルゴリズムは、正規化されたシナジー情報による画像選択とピクセル分類の 2 つのステップで構成されます。
提案されたアプローチは、最大の正規化された相乗情報、最小の冗長性、および最大の相互情報とグラウンドトゥルースとの組み合わせに基づいて、選択されたバンドの識別力を測定します。
サポート ベクター マシン (SVM) と k 最近傍 (KNN) 分類器を使用した比較研究が行われ、最先端のバンド選択方法と比較して提案されたアプローチが評価されます。
NASA の「Aviris Indiana Pine」、「Salinas」、および「Pavia University」によって提案された 3 つのベンチマーク ハイパースペクトル画像に関する実験結果は、提案されたアプローチのロバスト性、有効性、および文献アプローチに対する識別力を実証しました。
キーワード: ハイパースペクトル画像。
ターゲット検出;
ピクセル分類;
次元削減;
バンドの選択;
情報理論;
相互情報;
正規化された相乗効果

要約(オリジナル)

During the last decade, hyperspectral images have attracted increasing interest from researchers worldwide. They provide more detailed information about an observed area and allow an accurate target detection and precise discrimination of objects compared to classical RGB and multispectral images. Despite the great potentialities of hyperspectral technology, the analysis and exploitation of the large volume data remain a challenging task. The existence of irrelevant redundant and noisy images decreases the classification accuracy. As a result, dimensionality reduction is a mandatory step in order to select a minimal and effective images subset. In this paper, a new filter approach normalized mutual synergy (NMS) is proposed in order to detect relevant bands that are complementary in the class prediction better than the original hyperspectral cube data. The algorithm consists of two steps: images selection through normalized synergy information and pixel classification. The proposed approach measures the discriminative power of the selected bands based on a combination of their maximal normalized synergic information, minimum redundancy and maximal mutual information with the ground truth. A comparative study using the support vector machine (SVM) and k-nearest neighbor (KNN) classifiers is conducted to evaluate the proposed approach compared to the state of art band selection methods. Experimental results on three benchmark hyperspectral images proposed by the NASA ‘Aviris Indiana Pine’, ‘Salinas’ and ‘Pavia University’ demonstrated the robustness, effectiveness and the discriminative power of the proposed approach over the literature approaches. Keywords: Hyperspectral images; target detection; pixel classification; dimensionality reduction; band selection; information theory; mutual information; normalized synergy

arxiv情報

提供元, 利用サービス

arxiv.jp, Google