Avances en la Clasificación Espectral-Espacial de Imágenes Hiperespectrales

Se presentan en este artículo los avances recientes en la clasificación espectral-espacial de imágenes hiperespectrales. Se investigan varias técnicas para combinar la información espacial y espectral. La información espacial se extrae a nivel de objeto (conjunto de píxeles) en lugar del nivel de píxeles convencional. La morfología matemática se utiliza primero para derivar el perfil morfológico de la imagen, que incluye características sobre el tamaño, la orientación y el contraste de las estructuras espaciales presentes en la imagen. Luego, se define el vecindario morfológico y se utiliza para derivar características adicionales para la clasificación. La clasificación se realiza con máquinas de soporte vectorial (SVM) utilizando la información espectral disponible y la información espacial extraída. A continuación, se investiga el posprocesamiento espacial para construir mapas temáticos más homogéneos y espacialmente consistentes. Para ello, se aplican tres técnicas de presegmentación para definir regiones que se utilizan para regularizar el mapa temático preliminar a nivel de píxel. Finalmente, se define un sistema de múltiple clasificador (MC) para producir marcadores relevantes que se explotan para segmentar la imagen hiperespectral con el algoritmo de bosque de mínimos árboles de expansión. Se presentan resultados experimentales realizados en tres imágenes hiperespectrales reales con diferentes resoluciones espaciales y espectrales y correspondientes a diversos contextos. Destacan la importancia de las estrategias espectral-espaciales para la clasificación precisa de imágenes hiperespectrales y validan los métodos propuestos.