4CF-Net: Hiperspektral uzaktan algılama görüntülerinin spektral uzamsal sınıflandırılması için yeni 3B evrişimli sinir ağı

Authors : Hüseyin FIRAT, Davut HANBAY

Pages : 439-454

Doi:10.17341/gazimmfd.901291

View : 24 | Download : 9

Publication Date : 2021-11-10

Article Type : Research Paper

Abstract :Hiperspektral görüntüler, uzaktan algılama uygulamalarında yaygın olarak kullanılan bitişik bant görüntüleridir. Derin öğrenme hiperspektral görüntü sınıflandırmasını iyileştirmek için kullanılan etkili bir yöntemdir. Evrişimli sinir ağları ise hiperspektral görüntü sınıflandırma alanında başarıyla kullanılan derin öğrenme yöntemlerinden biridir. Spektral, uzamsal veya spektral uzamsal alanlardan hiperspektral görüntülerin daha soyut özelliklerini öğrenebilen otomatik yaklaşımlar sağlamaktadır. Hiperspektral görüntülerin yüksek boyutsallığı hesaplama karmaşıklığını arttırmaktadır. Bu nedenle, geliştirilen evrişimli sinir ağ modellerinin çoğu, bir ön işleme adımı olarak boyut indirgeme gerçekleştirmektedir. Hiperspektral görüntü sınıflandırmasındaki diğer bir problem ise, doğru sonuçlar elde etmek için hem uzamsal hem de spektral özelliklerin dikkate alınması gerekliliğidir. Çünkü, hiperspektral görüntü sınıflandırma performansı büyük ölçüde hem spektral hem de uzamsal bilgilere bağlıdır. Bu çalışmada, hiperspektral görüntü sınıflandırması için yeni bir 3B evrişimli sinir ağı modeli önerilmiştir. Önerilen yöntem, hiperspektral görüntülerdeki spektral-uzamsal özellikleri eşzamanlı olarak çıkarmak için basit ve etkili bir yöntem sağlamaktadır. Ağ, giriş verileri olarak 3B hiperspektral küpü kullanmaktadır. Hiperspektral küpteki boyutsal fazlalığı gidermek için temel bileşen analizi ile boyut indirgeme yapılmaktadır. Daha sonra komşuluk çıkarımı kullanılarak, spektral uzamsal özellikler etkin bir şekilde çıkarılmaktadır. Önerilen yöntem indian pines, pavia üniversitesi, salinas ve kennedy uzay merkezi veri setleri ile test edilmiştir. Deneysel çalışmalar sonucunda, indian pines için %99,93, pavia üniversitesi için %99,99, salinas için %100 ve kennedy uzay merkezi için ise %99,81 genel doğruluk sonuçları elde edilmiştir. Sonuçlar, 7 farklı derin öğrenme tabanlı yöntemle karşılaştırılmıştır. Deneysel sonuçlardan, 4CF-Net yöntemimizin daha iyi performans gösterdiği görülmektedir.
Keywords : derin öğrenme, hiperspektral görüntü sınıflandırma, 3B evrişimli sinir ağı, uzaktan algılama