Clasificación de Imágenes Hiperespectrales Basada en Grafos Semi-Supervisada

Este documento presenta un método semisupervisado basado en grafos para la clasificación de imágenes hiperespectrales. El método está diseñado para manejar las características especiales de las imágenes hiperespectrales, a saber, la alta dimensión de los píxeles, el bajo número de muestras etiquetadas y la variabilidad espacial de la firma espectral. Para aliviar estos problemas, el método incorpora tres ingredientes, respectivamente. Primero, siendo un método basado en núcleos, combate eficientemente la maldición de la dimensionalidad. Segundo, siguiendo un enfoque semisupervisado, explota la abundancia de muestras no etiquetadas en la imagen y otorga de forma natural importancia relativa a las etiquetadas a través de una metodología basada en grafos. Finalmente, incorpora información contextual a través de una familia completa de núcleos compuestos. Cabe destacar que el método basado en grafos depende de invertir una enorme matriz de núcleos formada por muestras etiquetadas y no etiquetadas; por lo tanto, introducimos originalmente el método de NystrÖm en la formulación para acelerar el proceso de clasificación. El método gráfico semisupervisado presentado se compara con máquinas de soporte vectorial de última generación en la clasificación de datos hiperespectrales. El método propuesto produce mejores mapas de clasificación, que capturan la estructura intrínseca revelada colectivamente por puntos etiquetados y no etiquetados. Se produce una buena y estable precisión en problemas de clasificación mal planteados (espacios de alta dimensionalidad y bajo número de muestras etiquetadas). Además, la introducción del marco de núcleos compuestos mejora drásticamente los resultados, y la nueva formulación rápida clasifica casi linealmente en el costo computacional, en lugar de cúbico como en el método original, lo que permite el uso de este método en aplicaciones de teledetección.