一种基于信息论与支持向量机的高光谱图像降维与分类波段选择方法
计算机视觉与模式识别
2022-10-27 v1
摘要
由多个波段组成的高光谱图像具有高维特征，通常给图像处理带来巨大的计算挑战。因此，光谱波段选择是去除无关、噪声和冗余波段的重要步骤，进而能提高分类精度。然而，从数百甚至数千个相关波段中识别有用波段并非易事。本文旨在识别一小组具有高度判别力的波段，以提高计算速度和预测精度。因此，我们提出了一种基于联合互信息的新策略，用于度量所选波段之间的统计依赖性与相关性，并评估每个波段对分类的相对效用。我们将所提出的滤波方法与基于互信息的有效复现滤波器进行了比较。在使用 SVM 分类器对高光谱图像 HSI AVIRIS 92AV3C 进行仿真实验的结果表明，所提出的高效算法优于复现滤波器策略的性能。关键词-高光谱图像，分类，波段选择，联合互信息，降维，相关性，SVM。
引用
@article{arxiv.2210.14621,
title = {A new band selection approach based on information theory and support vector machine for hyperspectral images reduction and classification},
author = {A. Elmaizi and E. Sarhrouni and A. Hammouch and C. Nacir},
journal= {arXiv preprint arXiv:2210.14621},
year = {2022}
}