Hyperspectral Images Classification and Dimensionality Reduction using spectral interaction and SVM classifier

要約

過去数十年にわたって、ハイパースペクトル リモートセンシング技術の開発は、さまざまな分野の科学者の間で関心を集めてきました。
ハイパースペクトル センサーによって提供される豊富で詳細なスペクトル情報は、地表物質の監視および検出能力を向上させました。
ただし、ハイパースペクトル画像 (HSI) の高次元は、収集されたデータの分析の主な課題の 1 つです。
ノイズが多く、冗長で無関係なバンドが存在すると、計算の複雑さが増し、ヒューズ現象が誘発され、ターゲットの分類精度が低下します。
したがって、次元の削減は、次元の課題に直面するための重要なステップです。
この論文では、スペクトル相互作用測定の最大化と、HSIの次元削減と分類のためのサポートベクターマシンに基づく新しいフィルターアプローチを提案します。
提案された Max Relevance Max Synergy (MRMS) アルゴリズムは、スペクトルの相乗効果、冗長性、および関連性の尺度を組み合わせて、すべてのバンドの関連性を評価します。
私たちの目的は、監視されたシーン マテリアルの正確な分類を提供する相乗バンドの最適なサブセットを選択することです。
実験結果は、「NASA​​-AVIRIS」および「ROSIS」分光計によって提供される「Indiana Pine」、「Pavia University」、および「Salinas」の 3 つの異なるハイパースペクトル データセットを使用して実行されました。
さらに、提案されたアプローチの堅牢性と効率性を実証するために、最先端の帯域選択方法との比較が行われました。
キーワード: ハイパースペクトル画像、リモートセンシング、次元削減、分類、相乗作用、相関、スペクトル相互作用情報、相互情報

要約(オリジナル)

Over the past decades, the hyperspectral remote sensing technology development has attracted growing interest among scientists in various domains. The rich and detailed spectral information provided by the hyperspectral sensors has improved the monitoring and detection capabilities of the earth surface substances. However, the high dimensionality of the hyperspectral images (HSI) is one of the main challenges for the analysis of the collected data. The existence of noisy, redundant and irrelevant bands increases the computational complexity, induce the Hughes phenomenon and decrease the target’s classification accuracy. Hence, the dimensionality reduction is an essential step to face the dimensionality challenges. In this paper, we propose a novel filter approach based on the maximization of the spectral interaction measure and the support vector machines for dimensionality reduction and classification of the HSI. The proposed Max Relevance Max Synergy (MRMS) algorithm evaluates the relevance of every band through the combination of spectral synergy, redundancy and relevance measures. Our objective is to select the optimal subset of synergistic bands providing accurate classification of the supervised scene materials. Experimental results have been performed using three different hyperspectral datasets: ‘Indiana Pine’, ‘Pavia University’ and ‘Salinas’ provided by the ‘NASA-AVIRIS’ and the ‘ROSIS’ spectrometers. Furthermore, a comparison with the state of the art band selection methods has been carried out in order to demonstrate the robustness and efficiency of the proposed approach. Keywords: Hyperspectral images, remote sensing, dimensionality reduction, classification, synergic, correlation, spectral interaction information, mutual inform

arxiv情報

提供元, 利用サービス

arxiv.jp, Google