WaveletHSI: Clasificación directa de HSI a partir de coeficientes de wavelet comprimidos mediante extracción y fusión...

Área de la Ciencia:

• Visión por Computadora
• Aprendizaje Automático
• Procesamiento de Señales

Sus antecedentes:

• La clasificación de imágenes hiperespectrales (HSI) enfrenta cuellos de botella computacionales debido a la descompresión de datos.
• Los métodos existentes en dominio comprimido se limitan a la Transformada Discreta del Coseno (DCT), no a la Transformada Wavelet Discreta (DWT) común en HSI.
• La desalineación estructural entre DCT y DWT plantea desafíos para la extracción y fusión de características en datos HSI comprimidos.

Objetivo del estudio:

• Desarrollar un marco novedoso para la clasificación de HSI en el dominio comprimido utilizando DWT.
• Abordar los desafíos en la extracción y fusión de características de múltiples subbandas DWT.
• Permitir el aprendizaje profundo eficiente en datos HSI parcialmente comprimidos sin reconstrucción.

Principales métodos:

• Un extractor de características multirrama con pérdida de alineación de características de subbanda procesa las subbandas DWT en paralelo.
• Un mecanismo de atención cruzada de subbanda fusiona características utilizando subbandas de alta frecuencia para consultar subbandas de baja frecuencia.
• Extracción y fusión directa de características de subbandas DWT sin reconstrucción de datos.

Principales resultados:

• Logró una precisión de clasificación comparable a los métodos de dominio espacial de última generación.
• Eliminó al menos el 56% de la sobrecarga de descompresión.
• Demostró una extracción y fusión de características efectivas a partir de diferentes subbandas DWT.

Conclusiones:

• El marco propuesto permite la clasificación eficiente de HSI en el dominio comprimido procesando directamente las subbandas DWT.
• La novedosa estrategia de extracción y fusión de características supera las limitaciones de los métodos existentes en dominio comprimido.
• Este enfoque reduce significativamente el costo computacional sin comprometer el rendimiento de la clasificación.