.png){kind=icon}
返回
GraphMamba: Graph Tokenization Mamba for Hyperspectral Image Classification
.png){kind=icon}
PRE
AI
DOI：10.1109/TETC.2025.3626943.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高光谱图像（HSI）分类在环境监测、农业和城市规划等领域发挥着关键作用。传统方法，包括传统机器学习和卷积神经网络（CNNs），往往难以有效捕捉复杂的谱-空间特征和全局上下文信息。基于Transformer的模型虽然擅长捕捉长距离依赖关系，但通常需要大量计算资源，这在标签数据集有限的HSI应用场景中构成挑战。为克服此类挑战，本研究提出GraphMamba，一种结合谱-空间标记生成、基于图的标记优先级排序和交叉注意力机制的混合模型。该模型引入了一种新颖的状态空间建模与门控循环单元（GRU）的混合方法，能够捕捉线性和非线性空间-谱动态。该方法增强了建模复杂空间-谱关系的能力，同时保持跨多种HSI数据集的可扩展性和计算效率。通过全面实验，我们证明GraphMamba优于现有最先进模型，为复杂的HSI分类任务提供了一种可扩展且稳健的解决方案。
Keyword:
Graph network
state-space model
hyperspectral imaging (HSI)
HSI classification
期刊
IF:
5.4
论文数:
1.1K
被引数:
3.4K
机构
引用论文
WaveFormer: Spectral-Spatial Wavelet Transformer for Hyperspectral Image Classification波形成器: 用于高光谱图像分类的光谱-空间小波变换器
.png){kind=icon}
PREAI
分享收藏HyperMamba: A Spectral-Spatial Adaptive Mamba for Hyperspectral Image ClassificationHyperMamba: 用于高光谱图像分类的光谱空间自适应Mamba
PREAI
分享收藏DualMamba: A Lightweight Spectral-Spatial Mamba-Convolution Network for Hyperspectral Image ClassificationDualMamba: 用于高光谱图像分类的轻量级光谱空间Mamba卷积网络
PREAI
分享收藏
MambaHSI: Spatial-Spectral Mamba for Hyperspectral Image ClassificationMambaHSI: 用于高光谱图像分类的空间光谱Mamba
PREAI
分享收藏Multispectral Semantic Segmentation for Land Cover Classification: An Overview多光谱语义分割在土地覆盖分类中的应用：概述
OAAI
OAAI分享收藏
查看更多内容