一种基于归一化互信息的 hyperspectral 图像降维与分类算法及启发式方法
计算机视觉与模式识别
2022-10-26 v1
摘要
在特征分类领域，数据的选择广泛影响结果。高光谱图像（HSI）是对同一区域（称为地面真值图：GT）的百余项双向度量（称为波段）的集合。HSI 被建模为 N 个向量的集合。因此我们有 N 个特征（或属性）表达 C 种物质（称为类别）的 N 个度量向量。问题在于实际不可能考察所有子集。所以我们必须从 N 中找到 K 个相关且无冗余的向量，以对物质进行分类。此处我们引入一种基于归一化互信息的算法，用于选择相关且无冗余的波段，这些波段是提升 HSI 分类精度所必需的。关键词：特征选择，归一化互信息，高光谱图像，分类，冗余。
引用
@article{arxiv.2210.13456,
title = {An Algorithm and Heuristic based on Normalized Mutual Information for Dimensionality Reduction and Classification of Hyperspectral images},
author = {Elkebir Sarhrouni and Ahmed Hammouch and Driss Aboutajdine},
journal= {arXiv preprint arXiv:2210.13456},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:1211.0613. text overlap with arXiv:2210.12296