A Fast Multikernel Graph Convolutional Network for Hyperspectral Image Classification

doi:10.1109/TGRS.2026.3662670

A Fast Multikernel Graph Convolutional Network for Hyperspectral Image Classification

2026-02-09

0

PRE

AI

DOI：10.1109/TGRS.2026.3662670

原文链接

原文求助

摘要

En 中文

基于深度学习的 hyperspectral image (HSI) 分类在遥感场景理解中具有显著应用。全图传播分类方法能够在全像素级别实现高精度分类，并具有显著的高效性优势。然而，此类方法通常面临高频细节平滑性及深度特征高效建模的困难。为解决这些问题，本文提出了一种用于快速全图分类的 fast multikernel graph convolutional network (FMGCN)。该模型设计了一种多核图卷积（MKGC）算法以增强深度光谱-空间特征的表达能力。该算法将图卷积过程从单一核传播过程推广到任意数量核的传播过程，以更充分地利用非欧几里得空间中的光谱-空间特征。此外，构建了对称压缩精炼网络（SCRN）以恢复全图传播中弱化的局部结构信息，并结合了嵌入式边缘补偿策略（EECS）以进一步强化边界区域的高频特征。基于此设计，FMGCN 能够在一次全图传播中捕获更全面的全局依赖信息，实现高精度与高效率的均衡统一。在四个代表性 hyperspectral datasets 上的实验表明，FMGCN 实现了最佳分类性能，有效缓解了复杂结构场景中的过度平滑问题，并在推理效率方面优于批量传播模型。

Keyword:

Edge compensation

fast inference

fast multikernel graph convolutional network (FMGCN)

hyperspectral image (HSI)

whole-image propagation

A Fast Multikernel Graph Convolutional Network for Hyperspectral Image Classification

摘要

期刊

机构