Extraction de caractéristiques d'images hyperspectrales par fusion d'images et filtrage récursif

L’extraction de caractéristiques est reconnue comme une méthode efficace tant pour réduire la complexité computationnelle que pour améliorer la précision de la classification des images hyperspectrales. Dans cet article, une méthode simple mais très puissante d’extraction de caractéristiques basée sur la fusion d’images et le filtrage récursif (IFRF, Image Fusion and Recursive Filtering) est proposée. Tout d’abord, l’image hyperspectrale est divisée en plusieurs sous-ensembles de bandes hyperspectrales adjacentes. Ensuite, les bandes de chaque sous-ensemble sont fusionnées par moyennage, l’une des méthodes les plus simples de fusion d’images. Enfin, les bandes fusionnées sont traitées par filtrage récursif dans le domaine de transformation afin d’obtenir les caractéristiques finales utilisées pour la classification. Des expériences ont été menées sur différentes images hyperspectrales, en utilisant des machines à vecteurs de support (SVM) comme classificateur. L’application de la méthode proposée permet d’améliorer significativement la précision du classificateur SVM. En outre, comparée à d’autres méthodes de classification hyperspectrale, la méthode IFRF se distingue par des performances exceptionnelles en termes de précision de classification et d’efficacité computationnelle.