Повышение эффективности классификации гиперспектральных изображений за счет разномасштабной пространственной обработки

Классификация типов подстилающей поверхности по мульти- и гиперспектральным изображениям традиционно осуществляется на основе анализа диаграмм рассеяния значений пикселей в многомерном пространстве признаков, в качестве которых используются яркости в отдельных каналах. Для повышения достоверности классификации используются подходы, основанные на учете характеристик каждого пикселя и пикселей его ближайшей окрестности, т.е. на совместном анализе спектральных и пространственных признаков.
В данной работе на тестовом гиперспектральном изображении выполнены исследования эффективности методов спектрально-пространственной классификации данных, учитывающих пространственную информацию на различных этапах обработки. Особое внимание уделено подбору размера ядра пространственной обработки. Продемонстрировано, что включение в анализ окрестностей пикселей на любом этапе повышает точность классификации, однако наибольшую эффективность демонстрируют методы предварительной обработки исходных данных. При этом лучшие результаты достигаются при сочетании предварительной обработки сырых данных (до выполнения процедур попиксельной спектральной классификации) и апостериорной обработки результирующих картосхем. Отмечена перспективность многомасштабного сглаживания исходных изображений с кратным количеству масштабов увеличением числа спектрально-пространственных признаков, позволяющего исключить процедуру предварительного подбора масштаба пространственной обработки.