Arbitrary Hyperspectral Images: A universal interpretation framework

doi:10.1109/mgrs.2026.3729673

Arbitrary Hyperspectral Images: A universal interpretation framework

2026-09-22

0

PRE

AI

DOI：10.1109/mgrs.2026.3729673

原文链接

原文求助

摘要

En 中文

遥感解译是地球观测和环境监测的关键技术模式。深度学习凭借其强大的特征学习能力，已彻底改变了大规模遥感数据的自动化解译。然而，现有遥感解译框架本质上受限于其与传感器特定光谱分布和波段配置的刚性耦合。这种传感器依赖性将模型训练和推理局限于单传感器范式，导致多源地球观测档案的严重利用率不足。为应对这一关键挑战，本文提出了一种通用解译框架（UIF），能够处理任意高光谱和 multispectral 图像。基于 UIF，我们开发了一个跨设备分类模型，支持异构高光谱和 multispectral 数据集的混合训练和统一推理。在黄河三角洲湿地跨设备分类数据集上，单一模型在四个具有不同光谱配置的数据集上同时实现了 88% 至 92% 的精度。此外，我们将 UIF 扩展以构建跨设备变化检测模型。在黄河三角洲湿地跨设备变化检测数据集上，单一模型在涉及多个光学遥感平台的两项不同变化检测任务中实现了超过 90% 的多类变化检测精度。这些结果表明，UIF 有效打破了解译模型与特定传感器配置之间的强耦合，显著提高了异构遥感数据的利用效率，拓展了遥感解译技术的应用边界，并为广义遥感分析提供了一种新颖的技术范式。

Keyword:

Modeling

Training

Accuracy

Image sensors

Signal detection

Remote sensing

Modules (abstract algebra)

Measurement

Labeling

Water

Arbitrary Hyperspectral Images: A universal interpretation framework

摘要

期刊

机构

引用论文