WaveletHSI: サブバンド特徴抽出と融合による圧縮ウェーブレット係数からの直接HSI分類

科学分野:

• コンピュータビジョン
• 機械学習
• 信号処理

背景:

• ハイパースペクトル画像（HSI）の分類は、データ解凍による計算上のボトルネックに直面しています。
• 既存の圧縮ドメイン手法は、HSIで一般的な離散ウェーブレット変換（DWT）ではなく、離散コサイン変換（DCT）に限定されています。
• DCTとDWTの構造的な不一致は、圧縮されたHSIデータの特徴抽出と融合における課題となります。

研究 の 目的:

• DWTを用いた圧縮ドメインでのHSI分類のための新しいフレームワークを開発すること。
• 複数のDWTサブバンドからの特徴抽出と融合における課題に対処すること。
• 再構築なしで部分的に圧縮されたHSIデータに対する効率的な深層学習を可能にすること。

主な方法:

• サブバンド特徴アラインメント損失を持つマルチブランチ特徴抽出器が、DWTサブバンドを並列に処理します。
• サブバンド間のクロスアテンションメカニズムは、高周波サブバンドを低周波サブバンドにクエリすることで特徴を融合します。
• データ再構築なしでのDWTサブバンドからの直接的な特徴抽出と融合。

主要な成果:

• 最先端の空間ドメイン手法に匹敵する分類精度を達成しました。
• 解凍オーバーヘッドを少なくとも56%削減しました。
• 異なるDWTサブバンドからの効果的な特徴抽出と融合を実証しました。

結論:

• 提案されたフレームワークは、DWTサブバンドを直接処理することにより、圧縮ドメインでの効率的なHSI分類を可能にします。
• 新しい特徴抽出と融合戦略は、既存の圧縮ドメイン手法の限界を克服します。
• このアプローチは、分類性能を損なうことなく計算コストを大幅に削減します。