Graph-Aware Hybrid Encoding for Hyperspectral Image Classification

Yuquan Gan

doi:10.1109/LGRS.2025.3605916

Graph-Aware Hybrid Encoding for Hyperspectral Image Classification

2025-01-01

0

PRE

AI

DOI：10.1109/LGRS.2025.3605916

原文链接

原文求助

摘要

En 中文

高光谱图像（HSI）分类在有效建模复杂的谱-空间结构和非欧几里得关系方面面临严峻挑战。传统方法往往难以同时捕捉局部细节、全局上下文依赖关系和图结构相关性，导致分类精度受限。为解决上述问题，本文提出了一种图感知混合编码（GAHE）框架。为充分挖掘HSI固有的谱-空间特性和图结构依赖关系，所提出的方法由三个关键组件构成：一个多尺度选择性图感知注意力（MSGA）模块、一个混合投影编码模块和一个图敏感聚合（GSA）模块。这三个模块以互补方式协同工作，以渐进式地跨多尺度与模态细化并增强特征表示。与先进的分类方法相比，实验结果表明，所提出的GAHE方法展现出更优的分类性能。

Keyword:

Graph convolutional network (GCN)

graph-aware

hyperspectral image (HSI) classification

selective attention

Graph-Aware Hybrid Encoding for Hyperspectral Image Classification

摘要

期刊

机构

引用论文