การคัดเลือกแบนด์ของภาพไฮเปอร์สเปกตรัลเพื่อการจำแนก
คำสำคัญ:
การลดขนาดมิติข้อมูล, การคัดเลือกแบนด์, การจำแนก, ภาพไฮเปอร์สเปกตรัลบทคัดย่อ
งานวิจัยนี้นำเสนอวิธีการคัดเลือกแบนด์ เพื่อการจำแนกภาพไฮเปอร์สเปกตรัล การคัดเลือกแบนด์นี้ ใช้สารสนเทศร่วมระหว่างแบนด์และแผนที่อ้างอิงความถูกต้องภาคพื้นดิน และสหสัมพันธ์ระหว่างแบนด์ การคัดเลือกแบนด์ในงานวิจัยนี้ประกอบด้วย 2 ขั้นตอนที่สำคัญ ขั้นตอนที่ 1 เป็นการกำหนดเซตของแบนด์ที่สำคัญ เรียกเซตนี้ว่าเซตของแบนด์ที่มีโอกาสจะถูกคัดเลือก เซตนี้สามารถหาได้จากสารสนเทศร่วมระหว่างแบนด์แต่ละอันกับแผนที่อ้างอิงความถูกต้องภาคพื้นดิน ขั้นตอนที่ 2 เป็นการลดความซ้ำซ้อนระหว่างแบนด์โดยใช้สัมประสิทธิ์สหสัมพันธ์ระหว่างแบนด์ แบนด์ที่ถูกคัดเลือกจะถูกเก็บไว้ในเซตของแบนด์ที่คัดเลือก เซตนี้ประกอบด้วยแบนด์แรกที่อยู่ในเซตของแบนด์ที่มีโอกาสจะถูกคัดเลือก แบนด์ลำดับที่สองถูกเลือกจากแบนด์ที่อยู่ในเซตของแบนด์ที่มีโอกาสจะถูกคัดเลือกลำดับถัดไป โดยที่แบนด์นั้นให้ค่าสัมประสิทธิ์สหสัมพันธ์กับแบนด์ที่อยู่ในเซตของแบนด์ที่คัดเลือกมีค่าต่ำกว่าค่าขีดเริ่ม การคัดเลือกแบนด์ลำดับถัดไปก็ทำในทำนองเดียวกัน จนกระทั่งได้จำนวนแบนด์ครบตามจำนวนที่ต้องการ ผลการทดลองแสดงให้เห็นว่า วิธีที่นำเสนอนี้เป็นวิธีที่มีประโยชน์สำหรับการคัดเลือกแบนด์ เมื่อใช้จำนวนแบนด์เพียง 50% ของแบนด์ทั้งหมดสำหรับการจำแนกพบว่า ความถูกต้องโดยรวมและค่าเฉลี่ยความถูกต้อง มีค่าสูงกว่าการใช้จำนวนแบนด์ทั้งหมด และสัมประสิทธิ์แคปปามีค่าเท่ากัน โดยมีค่า 81.08%, 82.93% และ 0.78 ตามลำดับ นอกจากนี้แล้วถ้าจำนวนแบนด์ที่ใช้ในการจำแนกมีค่าน้อยกว่า 50% ของแบนด์ทั้งหมดแล้ว ความถูกต้องของผลการจำแนกลดลงไม่มากนัก เมื่อเปรียบเทียบกับการลดลงของจำนวนแบนด์ เช่น เมื่อใช้จำนวนแบนด์เพียง 10% ของแบนด์ข้อมูลทั้งหมด ค่าความถูกต้องโดยรวม ค่าเฉลี่ยความถูกต้อง และสัมประสิทธิ์แคปปามีค่าลดลงเป็น 69.39%, 66.32%, 0.65 ตามลำดับ
เอกสารอ้างอิง
Chang, -I C. (2013 ) . Hyperspectral data processing: algorithm design and analysis. Singapore: Wiley.
Chen, Y., Nasrabadi, M. N. and Tranc, D. T. (2011). Hyperspectral image classification using dictionary-based sparse representation. IEEE Transaction on Geoscience Remote Sensing, 49(10), 3973 – 3985.
Congalton, R. T. (1991). A Review of Assessing the Accuracy of classifications of remotely sensed data. Remote Sensing Environment, 37, 35 – 46.
Cover, M. T. and Thomas, A. J. (1991). Elements of information theory. New York: Wiley.
Duda, O. R, Hart, E. P. and Stork, G. D. (2001). Pattern classification. (2nd). New York: Wiley.
Guo, B., Gunn, R. S., Damper, I. R. and Nelson, D. B. J. (2006). Band selection for hyperspectral image classification using mutual information. IEEE Transaction on Geoscience Remote Sensing, Letter, 3(4), 522 – 526.
Yuan, Y., Zhu, G. and Wang, Q. (2015). Hyperspectral band selection by multitask sparsity pursuit. IEEE Transaction on Geoscience Remote Sensing, 53(2), 631 – 644.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2023 คณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฎสวนสุนันทา
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของคณะวิศวกรรมศาสตร์และเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฎสวนสุนันทา
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับมหาวิทยาลัยราชภัฎสวนสุนันทา และคณาจารย์ท่านอื่นๆในมหาวิทยาลัยฯ แต่อย่างใด ความรับผิดชอบองค์ประกอบทั้งหมดของบทความแต่ละเรื่องเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะรับผิดชอบบทความของตนเองแต่ผู้เดียว
