利用 GLCM 特征与互信息的高光谱图像降维与分类新滤波器
计算机视觉与模式识别
2022-11-02 v1
摘要
降维是高光谱图像分类（HSI）的重要预处理步骤，这是一项不可避免的任务。一些方法使用基于光谱与空间信息的特征选择或提取算法。本文中，我们引入一种考虑基于互信息的光谱与空间信息的高光谱图像降维与分类新方法。我们通过从灰度共生矩阵（GLCM）提取的纹理特征刻画空间信息；我们使用齐次性（Homogeneity）、对比度（Contrast）、相关性（Correlation）与能量（Energy）。分类我们使用支持向量机（SVM）。实验在三个知名高光谱基准数据集上进行。所提算法与最先进方法比较。该融合所得结果表明，我们的方法以良好耗时提升了分类精度，优于其他方法。该方法可改进以获得更好性能。关键词：高光谱图像；分类；光谱与空间特征；灰度共生矩阵；GLCM；互信息；支持向量机；SVM。
引用
@article{arxiv.2211.00446,
title = {A new filter for dimensionality reduction and classification of hyperspectral images using GLCM features and mutual information},
author = {Hasna Nhaila and Elkebir Sarhrouni and Ahmed Hammouch},
journal= {arXiv preprint arXiv:2211.00446},
year = {2022}
}