[論文レビュー] WHU-Hi: UAV-borne hyperspectral with high spatial resolution (H2) benchmark datasets for hyperspectral image classification

Xin Hu, Yanfei Zhong+2 more|arXiv (Cornell University)|Dec 27, 2020

Remote-Sensing Image Classification参考文献 9被引用数 8

ひとこと要約

本論文では、高スペクトル（ナノメートルレベル）および極めて高い空間分解能（センチメートルレベル）を備えた、UAV搭載のハイパースペクトルベンチマークデータセットWHU-Hiを紹介する。既存のデータセットが示す低空間分解能、ラベルが疎である、サブクラスの区別が不十分といった課題を解決する。最先端の手法を用いた評価において、WHU-Hiはハイパースペクトル画像分類研究における強力な挑戦的特性を示している。

ABSTRACT

Classification is an important aspect of hyperspectral images processing and application. At present, the researchers mostly use the classic airborne hyperspectral imagery as the benchmark dataset. However, existing datasets suffer from three bottlenecks: (1) low spatial resolution; (2) low labeled pixels proportion; (3) low degree of subclasses distinction. In this paper, a new benchmark dataset named the Wuhan UAV-borne hyperspectral image (WHU-Hi) dataset was built for hyperspectral image classification. The WHU-Hi dataset with a high spectral resolution (nm level) and a very high spatial resolution (cm level), which we refer to here as H2 imager. Besides, the WHU-Hi dataset has a higher pixel labeling ratio and finer subclasses. Some start-of-art hyperspectral image classification methods benchmarked the WHU-Hi dataset, and the experimental results show that WHU-Hi is a challenging dataset. We hope WHU-Hi dataset can become a strong benchmark to accelerate future research.

研究の動機と目的

• 既存のハイパースペクトル画像データセットに見られる低空間分解能や不十分なピクセルラベリングといった課題を解決すること。
• より正確で詳細な分類タスクを実現するため、高スペクトルおよび高空間分解能を備えた新しいベンチマークデータセットの開発。
• ラベリングプロセスにおいてより細かい意味的カテゴリを組み込むことで、サブクラスの区別を向上させること。
• 今後のハイパースペクトル画像分類研究における信頼できるベンチマークとしての役割を果たす、挑戦的でありながら現実的であるデータセットを提供すること。

提案手法

• 高分解能ハイパースペクトルセンサを搭載したUAVプラットフォームを用いたハイパースペクトル画像の取得。
• ナノメートルレベルのスペクトル分解能とセンチメートルレベルの空間分解能を達成し、H2（高スペクトルおよび高空間分解能）イメージングを実現。
• ラベル付けの比率と意味的粒度を向上させるために、細分化されたサブクラスの区別を伴うピクセルの手動ラベリング。
• 多様な土地被覆タイプと複雑な空間パターンを含む包括的なベンチマークデータセットの設計。
• 最先端の分類モデルを用いたベンチマーク評価を通じたデータセットの有効性の検証。
• 性能比較の再現可能性と公平性を確保するための標準化された評価プロトコルの使用。

実験結果

リサーチクエスチョン

• RQ1 センチメートルレベルの空間分解能を備えたUAV搭載ハイパースペクトルデータセットは、従来の航空機搭載データセットと比較して、分類精度を顕著に向上させることができるか？
• RQ2 ピクセルラベル付けの比率が向上し、より細かいサブクラスの区別がなされることで、ハイパースペクトル画像分類におけるモデルの汎化性能はどの程度向上するか？
• RQ3 WHU-HiのH2（高スペクトルおよび高空間分解能）特性は、現代のディープラーニングモデルの性能にどのように影響を与えるか？
• RQ4 WHU-Hiは、今後のハイパースペクトル画像分類研究の信頼できるベンチマークとして十分に挑戦的であるか？

主な発見

• WHU-Hiはセンチメートルレベルの空間分解能を達成しており、既存の大多数のハイパースペクトルデータセットを著しく上回っている。
• データセットはナノメートルレベルのスペクトル分解能を有しており、正確な物質同定を可能にしている。
• 先行するベンチマークデータセットと比較して、ピクセルラベル付けの比率が顕著に高く、より強固なモデル学習を可能としている。
• サブクラスが細かく区別されており、より洗練された分類タスクが可能である。
• 最先端の手法を用いたベンチマーク評価により、WHU-Hiが意味のある挑戦を提供することが確認され、新たな標準ベンチマークとしての適性が示された。
• データセットは公開されており、ハイパースペクトル画像分類分野における再現可能な研究を支援するように設計されている。