面向高光谱图像分类的相关信息多尺度原理
机器学习
2021-06-08 v3 图像与视频处理
机器学习
摘要
本文提出一种称为相关信息多尺度原理（MPRI）的新架构，用于学习高光谱图像（HSI）分类的判别性光谱-空间特征。MPRI 继承了相关信息原理（PRI）的优点，能有效提取给定数据中嵌入的多尺度信息，并借助多层结构以由粗到细的方式学习表示。具体而言，MPRI 迭代且依次地执行光谱-空间像素表征（使用 PRI）与特征降维（使用正则化线性判别分析）。在三个基准数据集上的大量实验表明，MPRI 在定性与定量上均优于现有最先进方法（包括基于深度学习的方法），尤其在训练样本有限的场景下。MPRI 代码见 \url{http://bit.ly/MPRI_HSI}。
引用
@article{arxiv.1907.06022,
title = {Multiscale Principle of Relevant Information for Hyperspectral Image Classification},
author = {Yantao Wei and Shujian Yu and Luis Sanchez Giraldo and Jose C. Principe},
journal= {arXiv preprint arXiv:1907.06022},
year = {2021}
}
备注
Mansucript to be published in Machine Learning Journal (Springer). Code available at https://github.com/SJYuCNEL/Principle-of-Relevant-Information-and-HSI-Classification