Resumen

La cantidad de información involucrada en la imagen hiperespectral es grande. La selección de bandas hiperespectrales es un método popular para reducir la dimensionalidad. Se han propuesto varias medidas basadas en la información, como la información mutua, para reducir la redundancia de información entre las bandas espectrales. Desafortunadamente, la información mutua no tiene en cuenta la dependencia espacial entre píxeles adyacentes en las imágenes, lo que reduce su robustez como medida de similitud. En este artículo, proponemos un nuevo método de selección de bandas basado en la información mutua espacial. Como criterio de validación, se utiliza un método de clasificación supervisada que emplea una máquina de vectores de soporte (SVM). Los resultados experimentales de la clasificación de conjuntos de datos hiperespectrales muestran que el método propuesto puede lograr resultados más precisos.

• Materias:Internet de las cosas Inteligencia artificial Contaminantes atmosféricos Sistema biométrico Aplicaciones
• Subjects:Internet of things Artificial intelligence Air pollutants Biometric system Applications
• Palabras claves:Información; Imágenes hiperespectrales; Selección de bandas; Información mutua; Dependencia espacial; Máquina de vectores de soporte
• Keywords:Information; Hyperspectral imaging; Band selection; Mutual information; Spatial dependency; Support vector machine