استكشاف العلاقة بين المركز والمناطق المحيطة: شبكة التماثل الذاتي الموجهة بالمتجه المركزي لتصنيف الصور فوقية الطيفية

لاستخراج المعلومات الطيفية-المكانية للبIXEL المستهدف في تصنيف الصور فوقالطيفية (HSIC)، تستخدم نماذج القائم على الشبكة العصبية التلافيفية (CNN) على نطاق واسع نمط الإدخال القائم على "القطعة" (patch-based input)، حيث تمثل القطعة البIXEL المركزي، بينما تؤدي البكسلات المجاورة دورًا داعمًا في عملية التصنيف. ومع ذلك، تختلف مساهمة البكسلات المجاورة عادةً عن البكسل المركزي من حيث الأهمية في التصنيف. وعلى الرغم من أن العديد من النماذج القائمة على القطع في CNN قادرة على التأكيد التكيفي على المعلومات المكانية للبكسلات المجاورة، إلا أن معظمها تتجاهل العلاقة الكامنة بين البكسل المركزي والبكسلات المحيطة به. علاوة على ذلك، يظل استخلاص الميزات الطيفية-المكانية بكفاءة موضوعًا صعبًا ولكن بالغ الأهمية في تصنيف الصور فوقالطيفية. ولحل المشكلات المذكورة أعلاه، نقترح شبكة ذات تشابه ذاتي موجهة بالبُعْد المركزي (CVSSN) لتصنيف الصور فوقالطيفية. بشكل محدد، بناءً على قياسين للتشابه، نصمم أولًا وحدة ذات تشابه ذاتي للمتجه الطيفي تعتمد على وزن تكيفي (AWA-SVSS) في فضاء الإدخال، ووحدة تشابه ذاتي للمتجه المميز تعتمد على المسافة الإقليدية (ED-FVSS) في فضاء الميزات، بهدف استغلال العلاقات المكانية الموجهة نحو البكسل المركزي بشكل كامل. بالإضافة إلى ذلك، نُصَمّم وحدة دمج المعلومات الطيفية-المكانية (SSIF) كنمط جديد لدمج المتجه الطيفي أحادي البُعد المركزي مع القطعة ثلاثية الأبعاد المقابلة لها، بهدف تعلم كفاءة للميزات الطيفية-المكانية من قبل الوحدات اللاحقة. علاوة على ذلك، نُطبّق وحدة تبديلية للقنوات والموقع (CSS-Conv) ووحدة تبديلية مكملة للمعلومات المكانية على مقياس متعدد (SIC-Conv) لتعزيز استخلاص الميزات الطيفية-المكانية بكفاءة. وأظهرت النتائج التجريبية الواسعة على أربع مجموعات بيانات شهيرة للصور فوقالطيفية فعالية وكفاءة الطريقة المقترحة مقارنةً بالأساليب الرائدة الأخرى. يمكن الوصول إلى الشفرة المصدرية عبر الرابط التالي: https://github.com/lms-07/CVSSN.