تتطلب المهام التنبؤية على المستويات البكسلية في الصور فوق الطيفية (HSI) جهدًا دقيقًا في هندسة الميزات المستخدمة لتعلم فئة تصنيفية. ومع ذلك، قد تعاني الخريطة الناتجة عن التصنيف من مشكلة التمويه الزائد، والتي تتجلى في فروقات كبيرة عن الصورة الأصلية من حيث حدود الكائنات والتفاصيل الدقيقة. ولحل مشكلة التمويه الزائد هذه، قمنا بتصميم طريقة لاستخراج ميزات الارتباط الطيفي-المكاني-النطاقي (SSBC). في ميزات SSBC، يُنظر إلى استخراج الميزات الطيفية-المكانية المشتركة على أنها عملية ضغط معلومات تعتمد على تحويل جيب التمام المتقطع، حيث يتم استخدام عملية التسطيح لتجنب التكلفة الحسابية العالية الناتجة عن الحاجة إلى استخلاص المعلومات المشتركة الطيفية-المكانية من الصور ثلاثية الأبعاد. ومع ذلك، يمكن أن تؤدي هذه العملية إلى فقدان المعلومات الطيفية في الميزات المستخرجة. ونرى أن زيادة المعلومات الطيفية في الميزات المستخرجة تمثل المفتاح لمعالجة مشكلة التمويه الزائد في خريطة التصنيف. وعليه، قمنا بتحسين مؤشر الفرق المُعدّل للنباتات (NDVI) وبيروكسيد الحديد في سياق بيانات HSI لاستخراج ميزات الارتباط بين النطاقات، كمصدر إضافي للمعلومات الطيفية، لأن حسابات هذه المؤشرات التي تعتمد على نطاقين طيفيين ليست مناسبة للنطاقات الطيفية الغنية في بيانات HSI. وأظهرت النتائج التجريبية على أربع مجموعات بيانات حقيقية لصور HSI أن الميزات المقترحة يمكنها تقليل مشكلة التمويه الزائد بشكل ملحوظ، وأن أداء التصنيف يتساوى مع أداء الميزات العميقة الرائدة في مجالها.