तकनीकी सारांश: कोलमोगोरोव-आर्नोल्ड नेटवर्क के माध्यम से हाइपरस्पेक्ट्रल और LiDAR डेटा का अंतर्निहित स्थानिक-आवृत्ति संलयन (Implicit Spatial-Frequency Fusion)

समस्या विवरण

जटिल दृश्यों में हाइपरस्पेक्ट्रल इमेज (HSI) वर्गीकरण स्पेक्ट्रल अस्पष्टता, स्थानिक विषमता और भौतिक गुणों एवं ज्यामितीय संरचनाओं के बीच मजबूत युग्मन के कारण महत्वपूर्ण चुनौतियों का सामना करता है। जबकि लाइट डिटेक्शन एंड रेंजिंग (LiDAR) डेटा स्पेक्ट्रल अस्पष्टता को कम करने के लिए पूरक ऊंचाई और संरचनात्मक जानकारी प्रदान करता है, मौजूदा संलयन (fusion) विधियाँ सीमाओं को प्रदर्शित करती हैं:

1. मॉडलिंग बाधाएं: अधिकांश वर्तमान दृष्टिकोण निश्चित सक्रियण फलनों (activation functions) और रैखिक भार (linear weights) वाले कनवल्शनल न्यूरल नेटवर्क (CNNs) या मल्टी-लेयर पर्सेप्ट्रोंस (MLPs) पर निर्भर करते हैं। ये LiDAR की संरचनात्मक विच्छेदन (discontinuities), HSI की जटिल स्पेक्ट्रल विशेषताओं और उनके जटिल गैर-रैखिक अंतःक्रियाओं को मॉडल करने में संघर्ष करते हैं।
2. संलयन रणनीति: मौजूदा विधियाँ आमतौर पर HSI और LiDAR को स्वतंत्र शाखाओं के रूप में मानती हैं, जिनमें एक ऐसी तंत्र की कमी होती है जहाँ LiDAR ज्यामिति सक्रिय रूप से स्पेक्ट्रल संदर्भ के नमूनाकरण (sampling) और शोधन का मार्गदर्शन कर सके।
3. डोमेन कवरेज: हालांकि स्थानिक और आवृत्ति दोनों डोमेन में डेटा को संलयित करना प्रारंभिक मूल्य दिखाता है, लेकिन पूर्व-निर्धारित ह्यूरिस्टिक्स (heuristics) के बिना, साहित्य में यह अभी भी कम खोजा गया विषय है।

कार्यप्रणाली: IFGNet

इन मुद्दों को संबोधित करने के लिए, लेखक इम्प्लिसिट फ्रीक्वेंसी-जियोमेट्री फ्यूजन नेटवर्क (IFG-Net) का प्रस्ताव करते हैं। यह ढांचा स्थानिक और आवृत्ति डोमेन में अंतर्निहित एकत्रीकरण (implicit aggregation) करने के लिए कोलमोगोरोव-आर्नोल्ड नेटवर्क (KANs) का लाभ उठाता है। आर्किटेक्चर में चार मुख्य घटक शामिल हैं:

1. KAN-आधारित एनकोडर

पारंपरिक MLPs के बजाय, नेटवर्क दोनों HSI और LiDAR डेटा के लिए एनकोडर के रूप में KANs का उपयोग करता है।

• तंत्र: KANs निश्चित सक्रियण फलनों और स्थिर भार मैट्रिसेस के बजाय सीखने योग्य B-spline फलनों का उपयोग करके गैर-रैखिक मैपिंग को पैरामीटराइज करते हैं।
• लाभ: यह सूक्ष्म स्पेक्ट्रल विविधताओं के उच्च-निष्ठा वाले गैर-रैखिक फिटिंग और LiDAR ऊंचाई डेटा में ज्यामितीय विच्छेदन के प्रति बेहतर स्थानीय संवेदनशीलता की अनुमति देता है, जिससे आगामी संलयन के लिए एक साझा लेटेंट स्पेस (latent space) प्राप्त होता है।

2. स्थानिक अंतर्निहित एकत्रीकरण इकाई (Spatial Implicit Aggregation Unit - SIAU)

यह मॉड्यूल लेटेंट फीचर स्पेस में ज्यामिति-जागरूक एकत्रीकरण करता है।

• प्रक्रिया: एक क्वेरी स्थानिक निर्देशांक $q$ के लिए, इकाई एक स्थानीय पड़ोस की पहचान करती है। यह एक पड़ोसी के हाइपरस्पेक्ट्रल लेटेंट फीचर, क्वेरी स्थिति पर LiDAR लेटेंट फीचर और सापेक्ष समन्वय ऑफसेट (relative coordinate offset) को संयोजित करती है।
• एकत्रीकरण: इस इनपुट को उम्मीदवार फीचर्स और एकत्रीकरण भार उत्पन्न करने के लिए एक KAN-आधारित अंतर्निहित फलन (implicit function) में फीड किया जाता है। भारों पर एक सॉफ्टमैक्स नॉर्मलाइजेशन लागू किया जाता है, और एक भारित योग (weighted summation) अंतिम स्थानिक रूप से निर्देशित प्रतिनिधित्व उत्पन्न करता है।
• कार्य: यह एक ज्यामिति-सशर्त अंतर्निहित ऑपरेटर के रूप में कार्य करता है, जिससे मॉडल को संरचनात्मक रूप से सुसंगत क्षेत्रों को प्राथमिकता देने और उन तीक्ष्ण ऊंचाई सीमाओं को संरक्षित करने की अनुमति मिलती है जो मानक कनवल्शन द्वारा धुंधली हो जाती हैं।

3. आवृत्ति-डोमेन अंतर्निहित एकत्रीकरण

यह पहचानते हुए कि शहरी दृश्य वस्तु की ज्यामिति और आवृत्ति विशेषताओं के बीच मजबूत सहसंबंध प्रदर्शित करते हैं, फ्रेमवर्क आवृत्ति डोमेन में अंतर्निहित एकत्रीकरण को विस्तारित करता है।

• प्रक्रिया: एनकोड किए गए लेटेंट फीचर्स से वास्तविक और काल्पनिक घटकों को निकालने के लिए एक 2D डिस्क्रीट फूरियर ट्रांसफॉर्म (DFT) लागू किया जाता है।
• एकत्रीकरण: उसी अंतर्निहित ज्यामितीय एकत्रीकरण ऑपरेटर (SIA) को दोनों HSI और LiDAR के आवृत्ति-डोमेन प्रतिनिधित्व पर घटक-वार (component-wise) लागू किया जाता है।
• पुनर्निर्माण: एक इनवर्स डिस्क्रीट फूरियर ट्रांसफॉर्म (IDFT) आवृत्ति-निर्देशित प्रतिनिधित्व को पुनर्गठित करता है, जो वैश्विक संरचनात्मक पैटर्न और दीर्घ-रेंज निर्भरता (long-range dependencies) को कैप्चर करता है।

4. अंतिम संलयन और वर्गीकरण

स्थानिक रूप से निर्देशित प्रतिनिधित्व ($F_{Spa}$) और आवृत्ति-निर्देशित प्रतिनिधित्व ($F_{Freq}$) को एक योगात्मक संलयन रणनीति ($\hat{z} = F_{Spa} + F_{Freq}$) के माध्यम से एकीकृत किया जाता है। एकीकृत बहु-मोडल फीचर को फिर एक हल्के वर्गीकरण हेड (classification head) को भेजा जाता है।

प्रमुख योगदान

पेपर तीन प्राथमिक योगदानों को रेखांकित करता है:

1. KAN-संचालित गैर-रैखिक फीचर मॉडलिंग: लेखक HSI-LiDAR संलयन के लिए KANs के उपयोग के अग्रदूत हैं, जो कठोर रैखिक भारों को सीखने योग्य स्प्लाइन-आधारित फलनों से बदल देते हैं। यह ऐसे संलयन ऑपरेटरों के पैरामीट्राइजेशन को सक्षम बनाता है जो स्पेक्ट्रल सामग्री और स्थानिक निर्देशांक दोनों पर आधारित जटिल, गैर-रैखिक क्रॉस-मोडल अंतःक्रियाओं को अनुकूल रूप से कैप्चर करते हैं।
2. LiDAR-निर्देशित स्थानिक अंतर्निहित एकत्रीकरण: एक निर्देशित एकत्रीकरण तंत्र पेश किया गया है जो ज्यामितीय संकेतों के रूप में LiDAR-व्युत्पन्न ज्यामितीय संकेतों का उपयोग करता है। एक अंतर्निहित न्यूरल प्रतिनिधित्व के माध्यम से पड़ोसी हाइपरस्पेक्ट्रल फीचर्स को सैंपल करके, मॉडल एक क्षेत्र-जागरूक संलयन प्राप्त करता है जो तीक्ष्ण ऊंचाई सीमाओं को संरक्षित करता है।
3. दोहरा डोमेन अंतर्निहित संलयन फ्रेमवर्क: यह विधि स्थानिक-ज्यामितीय एकत्रीकरण और आवृत्ति-डोमेन संरचनात्मक निर्भरता दोनों को एक साथ मॉडल करती है। यह पूर्व-निर्धारित ह्यूरिस्टिक्स से बचता है और उच्च-आवृत्ति चरण सूचना (phase information) और वैश्विक स्पेक्ट्रल निरंतरता का एक व्यापक प्रतिनिधित्व कैप्चर करता है।

प्रयोगात्मक परिणाम

प्रस्तावित IFGNet का मूल्यांकन दो बेंचमार्क: Houston 2013 और MUUFL Gulfport डेटासेट पर किया गया। इसकी तुलना CALC, GLTNet, M2FNet, MS2CANet, S2ENet, MFT, और ExViT सहित अत्याधुनिक विधियों से की गई।

• प्रदर्शन: IFGNet ने ओवरऑल एक्यूरेसी (OA), एवरेज एक्यूरेसी (AA), और कोहेन का कप्पा गुणांक (Cohen's Kappa coefficient) में लगातार सभी मौजूदा विधियों को पछाड़ दिया।
  • Houston 2013: 99.37% OA, 99.50% AA, और 99.32% कप्पा प्राप्त किया।
  • MUUFL: 92.67% OA, 94.47% AA, और 90.45% कप्पा प्राप्त किया।
• एब्लेशन अध्ययन (Ablation Studies): प्रयोगों ने पुष्टि की कि स्थानिक-मात्र और आवृत्ति-मात्र संस्करण व्यक्तिगत रूप से प्रभावी हैं लेकिन पूरक हैं। पूर्ण मॉडल, जो दोनों को एकीकृत करता है, सर्वोत्तम प्रदर्शन देता है, जो दोहरे डोमेन अंतर्निहित संलयन की आवश्यकता को प्रमाणित करता है।
• पैरामीटर विश्लेषण: MUUFL डेटासेट के लिए 5×5 का पैच आकार इष्टतम पाया गया, जो पर्याप्त स्थानिक-स्पेक्ट्रल संदर्भ और रेडंडेंट बैकग्राउंड जानकारी के बीच संतुलन बनाता है।

महत्व और दावे

पेपर का दावा है कि IFGNet कठोर, रैखिक-भारित आर्किटेक्चर से हटकर अनुकूल, स्प्लाइन-आधारित फलन सन्निकटन (function approximation) की ओर बढ़कर HSI-LiDAR संलयन में एक महत्वपूर्ण प्रगति प्रदान करता है। स्थानिक-ज्यामितीय एकत्रीकरण को आवृत्ति डोमेन मॉडलिंग से अलग करके और उन्हें एक अंतर्निहित प्रतिनिधित्व ढांचे के तहत एकीकृत करके, विधि एक हल्का आर्किटेक्चर बनाए रखते हुए प्रभावी बहु-मोडल संलयन प्राप्त करती है। लेखक का तर्क है कि यह डिज़ाइन डीप ट्रांसफार्मर नेटवर्क और भारी अटेंशन मॉड्यूल के कम्प्यूटेशनल बोझ से बचता है, जिससे यह व्यावहारिक रिमोट सेंसिंग परिदृश्यों के लिए उपयुक्त बनता है। दो अलग-अलग बेंचमार्क में निरंतर प्रदर्शन लाभ जटिल शहरी दृश्यों के लिए मजबूत मजबूती और सामान्यीकरण क्षमताओं का सुझाव देते हैं।