面向高光谱图像特征提取的类别主成分分析
计算机视觉与模式识别
2021-04-12 v1
摘要
本文提出类别主成分分析（Class-wise Principal Component Analysis），一种用于高光谱数据的有监督特征提取方法。近年来，高光谱成像（HSI）已出现在包括遥感在内的多个领域中。我们认识到高光谱图像的信息提取任务受到数据特有问题的困扰，并识别和处理了两个主要问题。其一是由于数据立方体高维体量所导致的维数灾难，其二是高光谱数据集中常见的类不平衡问题。降维是辅助高光谱图像分类任务必不可少的预处理步骤。因此，我们提出一种基于主成分分析（PCA）的用于降维的特征提取算法。在 Indian Pines 数据集上进行的评估表明，在分类任务中使用降维后的数据可取得显著改进。
引用
@article{arxiv.2104.04496,
title = {Class-Wise Principal Component Analysis for hyperspectral image feature extraction},
author = {Dimitra Koumoutsou and Eleni Charou and Georgios Siolas and Giorgos Stamou},
journal= {arXiv preprint arXiv:2104.04496},
year = {2021}
}