A novel filter based on three variables mutual information for dimensionality reduction and classification of hyperspectral images

要約

グラウンド トゥルース マップと呼ばれる同じ領域の 100 を超えるバンド (画像) を含むハイパースペクトル画像 (HSI) の高次元性は、多くの場合、画像処理に大きな計算負荷を課し、学習プロセスを複雑にします。
実際、無関係でノイズの多い冗長なバンドを削除すると、分類の精度が向上します。
「相互情報量」に基づく帯域選択フィルターは、次元削減の一般的な手法です。
この論文では、評価プロセスによる次元削減方法の分類を示します。
さらに、分類のためのバンド相関を測定するために、3 つの変数の相互情報に基づく新しいフィルター アプローチが開発され、バンドの関連性だけでなくバンドの相互作用も考慮されます。
提案されたアプローチは、相互情報に基づく再生フィルター アルゴリズムと比較されます。
HSI AVIRIS 92AV3C での実験結果は、提案されたアプローチが非常に競争力があり、効果的であり、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、バンド選択、3 変数相互情報量、情報取得。

要約(オリジナル)

The high dimensionality of hyperspectral images (HSI) that contains more than hundred bands (images) for the same region called Ground Truth Map, often imposes a heavy computational burden for image processing and complicates the learning process. In fact, the removal of irrelevant, noisy and redundant bands helps increase the classification accuracy. Band selection filter based on ‘Mutual Information’ is a common technique for dimensionality reduction. In this paper, a categorization of dimensionality reduction methods according to the evaluation process is presented. Moreover, a new filter approach based on three variables mutual information is developed in order to measure band correlation for classification, it considers not only bands relevance but also bands interaction. The proposed approach is compared to a reproduced filter algorithm based on mutual information. Experimental results on HSI AVIRIS 92AV3C have shown that the proposed approach is very competitive, effective and outperforms the reproduced filter strategy performance. Keywords – Hyperspectral images, Classification, band Selection, Three variables Mutual Information, information gain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google