基于高斯过程回归的植被属性反演光谱波段选择
计算机视觉与模式识别
2020-12-17 v1 图像与视频处理
应用统计
摘要
面对当前及未来的成像光谱仪，需要自动化的波段分析技术，以有效识别信息量最大的波段，从而促进将光谱数据优化处理为生物物理变量估算值。本文介绍了一种基于高斯过程回归（GPR）的自动光谱波段分析工具（BAT），用于植被属性的光谱分析。GPR-BAT 过程针对给定变量在回归模型中按顺序向后移除贡献最小的波段，直到仅保留一个波段。GPR-BAT 在免费的 ARTMO 的 MLRA（机器学习回归算法）工具箱框架内实现，该工具箱专用于将光学遥感图像转换为生物物理产品。GPR-BAT 允许（1）识别将光谱数据与生物物理变量相关联的信息量最大波段，以及（2）找到保持优化准确预测所需的最少波段数。本研究得出结论，高光谱数据的明智波段选择对于最优植被属性制图是严格必需的。
引用
@article{arxiv.2012.08640,
title = {Spectral band selection for vegetation properties retrieval using Gaussian processes regression},
author = {Jochem Verrelst and Juan Pablo Rivera and Anatoly Gitelson and Jesus Delegido and José Moreno and Gustau Camps-Valls},
journal= {arXiv preprint arXiv:2012.08640},
year = {2020}
}