面向高光谱图像分类的深度强化学习波段选择
图像与视频处理
2022-01-05 v1 计算机视觉与模式识别
机器学习
摘要
波段选择是指从高光谱图像中挑选最相关波段的过程。通过选取有限数量的最优波段,我们旨在加速模型训练、提升精度或兼而有之。它在试图保留图像原始信息的同时降低光谱波段间的冗余。迄今已有许多无监督波段选择方法的尝试,其中大多为试错式启发式算法。本文致力于训练一个智能体,给定高光谱图像即能自动学习策略以选取最优波段子集,无需任何手工设计的推理。为此,我们将无监督波段选择问题建模为马尔可夫决策过程,提出有效的参数化方法,并最终通过深度强化学习求解。智能体一经训练,便学到引导其充分利用高光谱图像与已选波段顺序选波段的波段选择策略。此外,我们为深度强化学习的环境仿真提出两种不同的奖励方案,并在实验中比较。据我们所知,这是首个探索深度强化学习模型用于高光谱图像分析的研究,从而开启了未来研究的新门径,并展现了深度强化学习在遥感应用中的巨大潜力。我们在四个高光谱数据集上开展了充分实验,结果证明了所提方法的有效性。
引用
@article{arxiv.2103.08741,
title = {Deep Reinforcement Learning for Band Selection in Hyperspectral Image Classification},
author = {Lichao Mou and Sudipan Saha and Yuansheng Hua and Francesca Bovolo and Lorenzo Bruzzone and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2103.08741},
year = {2022}
}