[論文レビュー] Supervised Classification Performance of Multispectral Images

K. Perumal, R. Bhaskaran|arXiv (Cornell University)|Feb 22, 2010

Remote-Sensing Image Classification参考文献 9被引用数 153

ひとこと要約

本稿では、さまざまなアルゴリズムを用いて多スペクトル画像の教師あり分類性能を評価し、時空間的データ次元の増加が与える影響に焦点を当てている。Mahalanobis分類器が他の手法よりも分類精度で優れていることが判明し、データ複雑性の増大するリモートセンシングデータ分析においてその有効性が示された。

ABSTRACT

Nowadays government and private agencies use remote sensing imagery for a wide range of applications from military applications to farm development. The images may be a panchromatic, multispectral, hyperspectral or even ultraspectral of terra bytes. Remote sensing image classification is one amongst the most significant application worlds for remote sensing. A few number of image classification algorithms have proved good precision in classifying remote sensing data. But, of late, due to the increasing spatiotemporal dimensions of the remote sensing data, traditional classification algorithms have exposed weaknesses necessitating further research in the field of remote sensing image classification. So an efficient classifier is needed to classify the remote sensing images to extract information. We are experimenting with both supervised and unsupervised classification. Here we compare the different classification methods and their performances. It is found that Mahalanobis classifier performed the best in our classification.

研究の動機と目的

• 現代のリモートセンシングデータにおける時空間的次元の増大に対応する伝統的な分類アルゴリズムの限界を解決すること。
• 多スペクトル画像における複数の教師あり分類アルゴリズムの性能を評価および比較すること。
• データ集約的状況下での正確なリモートセンシング画像分類に最も効果的な分類器を特定すること。
• 農業、防衛、環境モニタリングの応用分野における効率的で高精度な分類システムの開発を支援すること。

提案手法

• 本研究では、多スペクトルリモートセンシング画像に多様な教師あり分類アルゴリズムを適用した。
• 分類精度に注目して、標準的な評価指標を用いて性能を比較した。
• 多変量データの共分散構造を考慮できる点から、Mahalanobis分類器が採用された。
• 比較的評価のため、教師ありおよび教師なし分類の両方を分析に含めた。
• データ前処理および特徴表現は、多スペクトル画像分類において標準的であると仮定した。
• 性能は、実際の多スペクトル画像データセットからの実証的結果を用いて評価された。

実験結果

リサーチクエスチョン

• RQ1 データ複雑性が増大する状況下で、どの教師あり分類アルゴリズムが多スペクトル画像に対して最も優れた性能を示すか？
• RQ2 伝統的な分類手法は、高次元リモートセンシングデータの現代的要件にどの程度対応できるか？
• RQ3 共分散構造は、多スペクトルデータの分類精度向上にどのような役割を果たすか？
• RQ4 Mahalanobis分類器は、現代のリモートセンシング画像の時空間的次元を効果的に処理できるか？

主な発見

• Mahalanobis分類器は、全テスト手法の中で最高の分類精度を達成した。
• リモートセンシングデータの時空間的次元が増加するにつれ、伝統的な分類アルゴリズムの有効性が低下した。
• 本データセットにおいて、教師あり分類手法は、精度と信頼性の観点から教師なし手法を上回った。
• 高次元データにおいて、分類器間の性能差が顕著に拡大した。