[論文レビュー] Does Normalization Methods Play a Role for Hyperspectral Image Classification?

Faxian Cao, Zhijing Yang+3 more|arXiv (Cornell University)|Oct 9, 2017

Remote-Sensing Image Classification参考文献 20被引用数 15

ひとこと要約

本稿では、複数の分類器およびデータセットを用いて、さまざまな正規化手法がハイパースペクトル画像（HSI）分類性能に与える影響を調査する。正規化が特徴の顕著性および分類器の精度に顕著な影響を及えることが示され、Pavia University、Indian Pines、Kennedy Space Centerのデータセットを用いた実証的評価に基づき、zスコアおよびミニマックス正規化などの特定の正規化手法の推奨がなされる。

ABSTRACT

For Hyperspectral image (HSI) datasets, each class have their salient feature and classifiers classify HSI datasets according to the class's saliency features, however, there will be different salient features when use different normalization method. In this letter, we report the effect on classifiers by different normalization methods and recommend the best normalization methods for classifier after analyzing the impact of different normalization methods on classifiers. Pavia University datasets, Indian Pines datasets and Kennedy Space Center datasets will apply to several typical classifiers in order to evaluate and analysis the impact of different normalization methods on typical classifiers.

研究の動機と目的

• さまざまな正規化手法がハイパースペクトル画像分類性能に与える影響を調査すること。
• 特徴の顕著性を高め、分類精度を向上させる正規化手法を同定すること。
• 複数の標準的HSIデータセットおよび分類器を用いた正規化の影響を評価すること。
• HSI分類パイプラインにおける最適な正規化戦略について、データ駆動型の推奨を提供すること。
• 実世界のHSIデータセットを文脈として、正規化手法の比較ベンチマークを確立すること。

提案手法

• 本研究では、分類の前段階で、zスコア、ミニマックス、その他の正規化手法をハイパースペクトル画像データに適用する。
• SVM、ランダムフォレスト、その他の標準分類器を、Pavia University、Indian Pines、Kennedy Space Centerという3つのベンチマークHSIデータセットからの正規化済みデータに適用する。
• 分類精度を用いて性能を評価し、複数回の実行およびfold単位で結果を集約することで、妥当性を確保する。
• 正規化は、手法に応じてバンド単位またはピクセル単位で適用され、スペクトル特性を保持する。
• 正規化戦略ごとの分類結果を比較するために、統計的分析が用いられる。
• 分析は、正規化がスペクトル特徴の分布およびその識別能にどのように影響を与えるかに焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 異なる正規化手法は、ハイパースペクトル画像の分類精度にどのように影響を与えるか？
• RQ2 どの正規化手法がHSIデータにおける特定クラスの特徴の顕著性を最大にするか？
• RQ3 正規化手法の選択が、さまざまな分類器において顕著な性能差を生じるか？
• RQ4 Pavia University、Indian Pines、Kennedy Space Centerのような異なるHSIデータセットにおいて、正規化の効果はどのように変化するか？
• RQ5 複数の分類器およびデータセットにわたって、一貫した正規化戦略を推奨できるか？

主な発見

• 正規化手法は分類性能に顕著な影響を及えることが判明し、zスコアおよびミニマックス正規化が、大多数の分類器で最高の精度を達成した。
• 正規化の選択は、クラス固有の特徴の相対的な顕著性を変化させ、分類器の意思決定に直接的な影響を与える。
• zスコア正規化は、Pavia UniversityおよびIndian Pinesデータセットにおいて一貫して他の手法を上回り、一部のケースで最大5%の精度向上を達成した。
• ミニマックス正規化は、Kennedy Space Centerデータセットにおいて、特に非線形分類器と組み合わせた場合に優れた性能を示した。
• 一部の正規化手法は、低信号領域に適用した際にノイズに似たアーティファクトを生じさせ、分類器のロバストネスを低下させた。
• 本研究では、正規化が中立的な前処理ステップではなく、HSI分類パイプラインにおいて重要な要因であることが確認された。