波段HSI:通过子频段特征提取和融合,从压缩波段系数直接进行HSI分类

科学领域:

• 计算机视觉 计算机视觉
• 机器学习 机器学习
• 信号处理 信号处理

背景情况:

• 超光谱图像 (HSI) 分类面临由于数据解压缩而导致的计算瓶.
• 现有的压缩域方法仅限于离散等边形变换 (DCT),而不是HSI中常见的离散波纹变换 (DWT).
• DCT和DWT之间的结构不匹配在压缩的HSI数据中对特征提取和融合提出了挑战.

研究的目的:

• 使用DWT开发一个新的HSI分类框架,用于使用压缩域的压缩域.
• 解决从多个DWT子频段中提取和融合特征的挑战.
• 为了使部分压缩的HSI数据能够在没有重建的情况下进行高效的深度学习.

主要方法:

• 具有子频段特征对齐损失的多分支特征提取器并行处理DWT子频段.
• 一个子频段交叉注意力机制通过使用高频子频段来查询低频子频段来融合特征.
• 在没有数据重建的情况下,从DWT子频段直接提取和融合特征.

主要成果:

• 实现了与最先进的空间域方法可比的分类准确性.
• 消除了至少56%的压缩减压开销.
• 从不同的DWT子频段中证明了有效的特征提取和融合.

结论:

• 拟议的框架允许通过直接处理DWT子频段,在压缩域中进行高效的HSI分类.
• 新的特征提取和融合策略克服了现有的压缩域方法的局限性.
• 这种方法可以显著降低计算成本,而不会影响分类性能.