空間スペクトル成分のドメインレベルの相補性に基づくハイパースペクトルリモートセンシング画像分類

科学分野:

• リモートセンシング
• コンピュータビジョン
• 画像処理

背景:

• ハイパースペクトル画像（HSI）は、「均質性」と「不均質性」という課題に直面しており、クラス内の一貫性の低さやクラス間の分化の悪さを引き起こします。
• 既存の分類法は、空間スペクトル情報のグローバル構造とローカル詳細を統合することに苦労しており、パフォーマンスに影響を与えています。
• これらの問題に対処することは、HSI特徴分類の精度にとって重要です。

研究 の 目的:

• 新しいハイパースペクトルリモートセンシング画像分類法であるD²FuProを提案すること。
• 分類を改善するために、空間スペクトル成分のドメインレベルの相補性を活用すること。
• HSI分類におけるクラス内の一貫性とクラス間の分化の両方を強化すること。

主な方法:

• グローバル（パノラマ領域）およびローカル（メソスコピック領域）の空間スペクトル情報をキャプチャするために、デュアルブランチ構造を採用しています。
• パノラマ領域低ランク特徴量抽出（PLFE）は、低ランクモデリングとテクスチャスムージングを通じてグローバル構造を維持します。
• メソスコピック領域特徴量強調（MDFE）は、近傍ピクセルコンテキストを使用してローカルスペクトル情報と空間境界を最適化します。

主要な成果:

• D²FuPro法は、デュアルドメイン空間スペクトル情報を効果的に統合し、相補的な利点を達成します。
• 4つのデータセットでの実験的検証により、従来の高度な方法と比較して優れたパフォーマンスが示されています。
• 提案手法は、分類精度において大幅な改善を示しています。

結論:

• D²FuProは、HSI分類における均質性と不均質性の問題をうまく解決します。
• デュアルドメインアプローチは、グローバルおよびローカルな空間スペクトル特徴の統合を強化します。
• この方法は、ハイパースペクトル画像分類精度のための有望な進歩を提供します。