卫星成像的黄金波段下采样最优策略
计算机视觉与模式识别
2025-04-29 v1
摘要
hyperspectral 图像（HSI）分类面临高维、光谱冗余和实际应用中有限标注数据等挑战。为此，我们提出一种新颖的波段选择策略，称为迭代小波基于梯度采样（Iterative Wavelet-based Gradient Sampling, IWGS）。该方法通过分析小波变换域中的梯度，逐步选择最具信息性的光谱波段，从而实现高效且有针对性的降维。不同于传统选择方法，IWGS 利用小波的多分辨率特性，更好地捕捉分类相关的细微光谱变化。该方法的迭代性质确保了系统性地排除冗余或噪声波段，同时最大限地保留判别性特征。我们在两个广泛使用的基准 HSI 数据集上进行了全面实验：Houston 2013 和 Indian Pines。结果表明，IWGS 在准确率和计算效率方面均优于最先进的波段选择和分类技术。这些改进特别适合部署在边缘设备或其他资源受限环境中，其中内存和处理能力有限。特别是，IWGS 在 Indian Pines 所选类别中实现了最高 97.8% 的总体准确率，证明了其有效性和跨场景的通用性。
关键词
引用
@article{arxiv.2504.19279,
title = {Optimal Hyperspectral Undersampling Strategy for Satellite Imaging},
author = {Vita V. Vlasova and Vladimir G. Kuzmin and Maria S. Varetsa and Natalia A. Ibragimova and Oleg Y. Rogov and Elena V. Lyapuntsova},
journal= {arXiv preprint arXiv:2504.19279},
year = {2025}
}
备注
16 pages