[论文解读] 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 8

一句话总结

本论文提出了 WHU-Hi，一个新型的无人机载高光谱基准数据集，具备纳米级（nm-level）的高光谱分辨率和厘米级（cm-level）的极高空间分辨率，解决了现有数据集在空间分辨率低、标注稀疏以及子类别区分度差等方面的局限性。通过与最先进方法的评估对比，WHU-Hi 展现出强大的挑战潜力，适用于高光谱图像分类研究。

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.

研究动机与目标

• 解决现有高光谱图像数据集存在的局限性，包括空间分辨率低和像素标注不足。
• 开发一种具备高光谱和高空间分辨率的新基准数据集，以支持更精确和细致的分类任务。
• 通过在标注过程中引入更细粒度的语义类别，提升子类别的区分度。
• 提供一个具有挑战性但又贴近现实的数据集，以加速高光谱图像分类研究的创新。

提出的方法

• 使用搭载高分辨率高光谱传感器的无人机平台获取高光谱图像。
• 采集光谱分辨率达纳米级别、空间分辨率达厘米级别的数据，实现 H2（高光谱与高空间）成像。
• 通过人工标注方式对像素进行细粒度的子类别区分，以提高标注比例和语义粒度。
• 设计一个包含多样化地表覆盖类型和复杂空间模式的综合性基准数据集。
• 通过与最先进分类模型的基准测试，验证数据集的实用性。
• 采用标准化的评估协议，确保性能比较的可复现性和公平性。

实验结果

研究问题

• RQ1 与传统机载数据集相比，具有厘米级空间分辨率的无人机载高光谱数据集是否能显著提升分类准确率？
• RQ2 更高的像素标注比例和更细粒度的子类别区分，在多大程度上能提升高光谱图像分类中模型的泛化能力？
• RQ3 WHU-Hi 所具备的 H2（高光谱与高空间分辨率）特性，如何影响现代深度学习模型的性能？
• RQ4 WHU-Hi 是否具备足够的挑战性，可作为未来高光谱图像分类研究的可靠基准？

主要发现

• WHU-Hi 实现了厘米级别的空间分辨率，显著优于大多数现有高光谱数据集。
• 该数据集具备纳米级别的光谱分辨率，支持精确的物质识别。
• 像素标注比例显著高于以往的基准数据集，有助于支持更稳健的模型训练。
• 子类别被精细区分，支持更细致的分类任务。
• 与最先进方法的基准测试结果表明，WHU-Hi 提供了有意义的挑战，证实其适合作为新的标准基准。
• 该数据集已公开发布，旨在支持高光谱图像分类研究的可复现性。