高スペクトルリモートセンシングはより正確で豊富なリモートセンシング情報を得ることができるため、各国の航空、宇宙および小規模な地上観測の複数の階層や段階を包含し、地上観測リモートセンシング分野で不可欠な地位を占めています。しかし、高スペクトルデータセットは非常に大きく、冗長な情報を含むことが多く、後続の処理に不便をもたらします。本研究では、ラプラス特徴マッピングを用いて高スペクトルデータの次元削減と特徴抽出を行い、重み付きナイーブベイズ分類アルゴリズムを提案しました。報酬重み付けの方法で古典的なナイーブベイズ分類器を改良し、公開データでアルゴリズムを検証したところ、地物情報の判別精度は92.7％に達し、従来の方法と比べて大幅な向上を示しました。

高スペクトル;特徴抽出;目標認識;ナイーブベイズ分類アルゴリズム;ラプラス特徴マッピング