应用于高光谱图像的互信息降维与分类特征：一种基于滤波策略的算法
计算机视觉与模式识别
2022-11-18 v1 人工智能
摘要
高光谱图像 (HIS) 分类是一项高技术含量的遥感工具。其目标是生成一幅主题图，并与通过目视解译区域构建的参考真值图 (GT) 进行比较。HIS 包含同一区域的一百多个双向测量值，称为波段（或简称图像），它们是在相邻频率下获取的。不幸的是，某些波段包含冗余信息，另一些则受到噪声影响，而特征的高维性导致分类精度降低。核心问题在于如何找到合适的波段以对区域像素进行分类。一些方法利用互信息 (MI) 和阈值来选择相关波段，但未处理冗余问题。另一些方法通过选择 MI 排名最高的波段来控制并消除冗余，如果其邻近波段与 GT 具有大致相同的 MI，则被视为冗余并予以剔除。这是该方法最大的不便之处，因为它规避了高光谱图像的优势：一些宝贵信息可能被丢弃。在本文中，我们将接受有用的冗余。如果一个波段有助于生成与 GT 具有更高 MI 的估计参考图，则该波段包含有用的冗余。为了控制冗余，我们引入了一个附加在 MI 最后一个值上的互补阈值。这一过程是一种滤波 (Filter) 策略；它获得了更好的分类精度性能且成本不高，但优于包装 (Wrapper) 策略的程度较低。
引用
@article{arxiv.1210.0052,
title = {Dimensionality Reduction and Classification feature using Mutual Information applied to Hyperspectral Images : A Filter strategy based algorithm},
author = {ELkebir Sarhrouni and Ahmed Hammouch and Driss Aboutajdine},
journal= {arXiv preprint arXiv:1210.0052},
year = {2022}
}
备注
11 pages, 5 figures, journal paper