Multidimensionālu attēlu spektrālo joslu ekvivalentas redukcijas pieejas objektu klasifikācijai

Abstract

Darbs veltīts multidimensionālu attēlu apstrādes problēmām, kas saistītas ar šo attēlu spektrālo joslu izvēli un pikseļu klasifikāciju. Izstrādātas jaunas, relatīvi vienkāršas un vispārīgas nevadītās: EMCR, EXCR, ESCR, ECBG un vadītā: XECT joslu izvēles procedūras informatīvu spektrālo joslu komplektu noteikšanai hiperspektrālajos attēlos. Informativitāte tika pārbaudīta ar Beijesa, k-NN, SVM, ELM un citiem klasifikatoriem, no kuriem augstāku klasifikācijas precizitāti sniedza SVM, izmantojot ECBG procedūru. Atslēgvārdi: hiperspketrālu attēlu apstrāde, spektrālo joslu izvēle, hiperspektrālu attēlu klasifikācija, tālizpēte

The work focuses on multidimensional image processing problems associated with the selection of their spectral bands and pixel classification. New, relatively simple, and generic unsupervised EMCR, EXCR, ESCR, ECBG, and supervised XECT band selection procedures for identifying informative spectral band sets in hyperspectral images are proposed. The informativity of the band subsets is characterized by the performance of Bayesian, k-NN, SVM, ELM, and other classifiers. The ECBG procedure provided better results than the alternatives using the SVM. Keywords: hyperspectral data processing, spectral band selection, hyperspectral data classification, remote sensing