デュアル空間アンサンブル学習によるスペクトル-空間ハイパースペクトル画像分類

ハイパースペクトル画像（HSI）における空間情報は、教師あり分類タスクにおいて重要な役割を果たします。しかし、空間情報の導入は表現ベースの教師あり分類器の分類精度を効果的に向上させることができるものの、時間消費の高いコストを避けることが難しいです。この問題を解決するために、本書ではデュアル空間アンサンブル学習（DSEL）手法が提案されており、以下の主要な技術から構成されています。1) まず、主成分分析が元のハイパースペクトルデータに適用され、最初の3つの主成分（PC）が抽出されます。次に、最初の3つのPCをオーバーセグメンテーション手法の基底画像として利用して、HSIを多くの形状適応型スーパーピクセルにクラスタリングします。最後に、生のHSIがスーパーピクセルによって導かれ、空間情報を持つ新しい特徴データが構築されます。2) 特徴データに対して表現ベースの分類器が使用され、初期の分類結果が得られます。具体的には、結果は数学的統計に基づいて確率に変換されます。3) ランダムウォークアルゴリズムが利用され、ピクセル間の空間的関係に基づいて確率を最適化します。インディアンプラインズとパビア大学データセットに関する実験結果は、提案されたDSEL手法がいくつかの競争的手法と比較して優れた性能を達成することを示しています。