Compression conjointe d'informations spectrales- spatiales basée sur la transformation par cosinus discrète et calcul de corrélation entre bandes pour l'extraction de caractéristiques hyperspectrales

Les tâches de prédiction sur les pixels des images hyperspectrales (HSI) nécessitent une attention particulière pour l'ingénierie des caractéristiques utilisées afin d'apprendre un classificateur. Toutefois, la carte de classification obtenue peut souffrir d’un problème de sur-lissage, se manifestant par des différences importantes par rapport à l’image d’origine en ce qui concerne les contours des objets et les détails. Pour atténuer ce problème de sur-lissage, nous avons conçu une méthode d’extraction de caractéristiques de corrélation spectrale- spatiale-bande (SSBC). Dans ces caractéristiques SSBC, l’extraction conjointe de caractéristiques spectrales et spatiales est traitée comme une compression d’information basée sur la transformation en cosinus discrète, où une opération d’aplatissement est utilisée afin d’éviter le coût computationnel élevé induit par la nécessité de distiller des informations spectrales- spatiales à partir d’images 3D. Toutefois, ce processus peut entraîner une perte d’information spectrale dans les caractéristiques extraites. Nous soutenons que l’augmentation de l’information spectrale contenue dans les caractéristiques extraites est essentielle pour résoudre le problème de sur-lissage dans la carte de classification. Par conséquent, l’indice de différence normalisée de végétation (NDVI) et l’oxyde de fer sont améliorés pour les données HSI afin d’extraire des caractéristiques de corrélation de bande enrichies en information spectrale, car leurs calculs reposant sur deux bandes spectrales ne sont pas adaptés aux nombreuses bandes spectrales présentes dans les données HSI. Les résultats expérimentaux sur quatre jeux de données réels HSI montrent que les caractéristiques proposées permettent de réduire significativement le problème de sur-lissage, tout en offrant des performances de classification comparables à celles des caractéristiques profondes les plus avancées.