基于互信息的高光谱图像波段选择与分类：一种利用 Fano 不等式最小化错误概率的算法
微分几何
2012-10-02 v1
摘要
高光谱图像是同一区域超过一百张称为波段的图像的集合，这些图像是在相邻频率下拍摄的。该区域的参考图像称为地面真值图 (Ground Truth map, GT)。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；因为波段不仅可能冗余，还可能成为混淆源，从而降低分类精度。一些方法利用互信息 (Mutual Information, MI) 和阈值来选择相关波段。最近出现了一种基于互信息的波段选择算法，它利用波段剔除和阈值来控制并消除冗余。该算法选择互信息排名最高的波段，如果其相邻波段与 GT 的互信息大致相同，则被视为冗余并被丢弃。这是该方法最大的不便之处，因为它避免了高光谱图像的优势：一些宝贵信息可能被丢弃。在本文中，我们将区分有用冗余和无用冗余。如果一个波段有助于降低错误概率，则它包含有用冗余。基于此方案，我们引入了一种同样使用互信息的新算法，但它仅保留那些能最小化分类错误概率的波段。为了控制冗余，我们引入了一个互补阈值。因此，候选优良波段必须有助于降低由阈值增加后的最终错误概率。该过程是一种封装 (wrapper) 策略，它能获得较高的分类精度性能，但比过滤 (filter) 策略成本更高。
引用
@article{arxiv.1210.0527,
title = {Isometry actions and geodesics orthogonal to submanifolds},
author = {Antonio J. Di Scala and Sérgio Mendonça and Heudson Mirandola and Gabriel Ruiz-Hernández},
journal= {arXiv preprint arXiv:1210.0527},
year = {2012}
}
备注
16 pages