基于归一化互信息与支持向量机的高光谱遥感图像波段选择与分类新滤波方法
计算机视觉与模式识别
2022-10-28 v1
摘要
波段选择是高光谱遥感图像（HSI）分类中的一项极具挑战性的任务。这源于其高光谱分辨率、众多的类别输出以及有限的训练样本数量。为此，本文引入了一种利用信息论（归一化互信息）和支持向量机（SVM）进行高光谱图像降维与分类的新滤波方法。该方法旨在从输入数据集中选择一个最具信息量和相关性的最小波段子集，以获得更好的分类效率。我们将所提算法应用于由 NASA 的 AVIRIS 传感器在美国 Indiana 和 Salinas 谷地采集的两个知名基准数据集上。实验结果基于该领域广泛使用的不同评估指标进行了评估。与现有最优方法的比较证明，我们的方法能以较少的所选波段数量和良好的耗时产生优异的性能。关键词：降维，高光谱图像，波段选择，归一化互信息，分类，支持向量机
引用
@article{arxiv.2210.15477,
title = {A Novel Filter Approach for Band Selection and Classification of Hyperspectral Remotely Sensed Images Using Normalized Mutual Information and Support Vector Machines},
author = {Hasna Nhaila and Asma Elmaizi and Elkebir Sarhrouni and Ahmed Hammouch},
journal= {arXiv preprint arXiv:2210.15477},
year = {2022}
}
备注
http://www.scopus.com/inward/record.url?eid=2-s2.0-85056469155&partnerID=MN8TOARS