A Multi-stage Method Based on Deep Learning for Hyperspectral Image Classification

Bowen Song

doi:10.1109/lgrs.2026.3747742

A Multi-stage Method Based on Deep Learning for Hyperspectral Image Classification

2026-10-27

0

PRE

AI

DOI：10.1109/lgrs.2026.3747742

原文链接

摘要

En 中文

基于深度学习的超光谱图像(HSI)分类方法往往导致“一图一模型”问题。仅关注HSI全局特征或局部特征限制了HSI分类的有效性。现有的HSI分类方法在融合HSI全局-局部特征方面存在困难。此外，HSI空谱联合特征处理对HSI分类任务至关重要。因此，本文提出了一种基于深度学习的HSI分类多阶段方法(MSDL)，包括HSI数据集预处理模块和三个HSI特征处理阶段。HSI数据预处理模块统一了不同数据集的维度。在MSDL的每个阶段，包含HSI全局特征处理模块(GFPM)、HSI局部特征处理模块(LFPM)和HSI空谱联合特征处理模块(SFPM)。GFPM用于HSI全局特征处理，LFPM用于HSI局部特征处理，SFPM用于HSI空谱联合特征处理，它们实现了HSI特征的全面处理。实验基于龙口数据集和休斯顿2018数据集，并采用总体精度(OA)等评估指标。实验结果表明，MSDL在HSI分类任务中达到了SOTA性能。

Keyword:

Hyperspectral image (HSI)

HSI global feature

HSI local feature

HSI spatial-spectral joint feature

A Multi-stage Method Based on Deep Learning for Hyperspectral Image Classification

摘要

期刊

机构

引用论文