확장된 랜덤 워커 기반의 초분광 이미지 분류

이 논문은 확장된 랜덤 워커(ERWs)를 기반으로 하는 초분광 이미지에 대한 새로운 스펙트럼-공간 분류 방법을 소개합니다. 이 방법은 두 가지 주요 단계로 구성됩니다. 첫 번째로, 널리 사용되는 픽셀 단위 분류기인 서포트 벡터 머신(SVM)을 채택하여 초분광 이미지에 대한 분류 확률 맵을 얻습니다. 이 맵은 각 초분광 픽셀이 서로 다른 클래스에 속할 확률을 반영합니다. 그런 다음, 얻어진 픽셀 단위 확률 맵은 초분광 이미지의 공간 정보를 가중 그래프에 인코딩하는 ERW 알고리즘으로 최적화됩니다. 구체적으로, 테스트 픽셀의 클래스는 SVM 분류기로 학습된 픽셀 단위 통계 정보, 그래프 엣지의 가중치로 모델링된 인접 픽셀 간의 공간 상관관계, 그리고 랜덤 워커로 모델링된 훈련 샘플과 테스트 샘플 간의 연결성을 기반으로 결정됩니다. 이 세 가지 요소가 ERW 기반의 글로벌 최적화 프레임워크에서 모두 잘 고려되기 때문에, 제안된 방법은 훈련 샘플 수가 상대적으로 적더라도 세 가지 널리 사용되는 실제 초분광 데이터 세트에 대해 매우 좋은 분류 성능을 보여줍니다.