التصنيف الطيفي-الزمكاني للصورة فوق الطيفية باستخدام شبكة الالتفاف ثلاثية الأبعاد

مؤخراً، أصبح تصنيف الصورة فوق الطيفية (HSI) محوراً للبحث. ومع ذلك، فإن الهيكل المعقد للصورة فوق الطيفية يجعل استخراج الميزات أمراً صعباً. تقوم معظم الطرق الحالية بإنشاء مصنفات تعتمد على ميزات معقدة مصنوعة يدوياً تم حسابها من المدخلات الخام. يتم وصف تصميم نموذج محسّن لشبكة عصبية الالتفاف ثلاثية الأبعاد (3D-CNN) لتصنيف HSI. يقوم هذا النموذج باستخراج الميزات من كل من الأبعاد الطيفية والزمكانية من خلال تطبيق التلافيف ثلاثية الأبعاد، وبالتالي يلتقط المعلومات التمييزية المهمة المشفرة في نطاقات متجاورة متعددة. ينظر النموذج المصمم إلى بيانات مكعب HSI معاً دون الاعتماد على أي معالجة مسبقة أو لاحقة. بالإضافة إلى ذلك، يتم تدريب النموذج بطريقة شاملة دون أي ميزات مصنوعة يدوياً. تم تطبيق النموذج المصمم على ثلاث مجموعات بيانات HSI مستخدمة على نطاق واسع. تظهر النتائج التجريبية أن الطريقة المعتمدة على 3D-CNN تتفوق على الطرق التقليدية حتى مع محدودية عينات التدريب المصنّفة.