【标题】Deep Reinforcement Learning for Band Selection in Hyperspectral Image Classification 【作者团队】Lichao Mou, Sudipan Saha, Yuansheng Hua, Francesca Bovolo, Lorenzo Bruzzone, Xiao Xiang Zhu 【研究机构】慕尼黑工业大学 【论文链接】论文链接 【代码链接】代码链接 【发表时间】2021.3.15 【推荐理由】 本文来源于慕尼黑工业大学，其提出了一种用于无监督高光谱波段选择的深度强化学习模型，首次探索用于高光谱图像分析的深度强化学习模型的研究，并展示了深度强化学习在遥感应用中的巨大潜力。

波段选择是指在高光谱图像中选择最相关的波段的过程。通过选择有限数量的最佳频段，本文旨在加快模型训练，提高准确性或或两者兼而有之。它在尝试保留图像的原始信息的同时，减少了光谱带之间的冗余。到目前为止，已经做出了很多努力来开发无监督的频带选择方法，其中大多数是通过反复试验而设计的启发式算法。文中训练了一个智能代理，该代理在给定高光谱图像的情况下能够自动学习策略以选择最佳频带子集，而无需任何人工设计的推理。为此，本文将无监督频带选择问题构造为马尔可夫决策过程，提出了一种有效的参数化方法，最后通过深度强化学习解决问题。训练完代理后，它将学习波段选择策略，该策略通过充分利用高光谱图像和先前选择的波段来引导代理顺序选择波段。此外，本文针对深度强化学习的环境模拟提出了两种不同的奖励方案，并在实验中进行了比较。据悉，这是第一项探索用于高光谱图像分析的深度强化学习模型的研究，从而为将来的研究打开了一扇新门，并展示了深度强化学习在遥感应用中的巨大潜力。对四个高光谱数据集进行了广泛的实验，实验结果证明了该方法的有效性。 图1：无监督高光谱波段选择的深度强化学习模型

内容中包含的图片若涉及版权问题，请及时与我们联系删除