.png){kind=icon}
返回
Multiple Morphology Perception Mamba for Hyperspectral Image Classification
.png){kind=icon}
OA
AI
DOI：10.1049/ipr2.70291.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高光谱图像（HSI）分类的核心挑战在于如何协同建模长距离依赖关系和局部结构特征。本文引入了多重形态感知Mamba模型（MMP-Mamba），通过深度整合动态形态学操作与选择性状态空间模型，实现了全局上下文感知和局部特征增强的统一框架。该模型创新性地融入形态学先验，通过自适应生成形态学核来增强局部细节并抑制噪声，同时注意力机制动态融合原始特征与形态学梯度以聚焦关键区域。此外，一个可学习的门控网络将形态学增强特征注入Mamba的序列建模过程，有效补偿了数据序列化引起的局部信息损失。在四个基准数据集（帕维亚大学、休斯顿、汉川和洪湖）上的实验结果表明，MMP-Mamba显著优于现有主流方法。具体而言，在帕维亚大学场景中，与亚军模型相比，总体精度、平均精度和Kappa系数分别提升了2.97%、2.91%和3.12%；在洪湖作物亚分类任务中，该模型显著提升了区分形态相似作物的能力。该模型在保持线性计算复杂度的同时，为高光谱图像分类提供了一种兼具高精度与高效率的解决方案。
Keyword:
dynamic feature fusion
hyperspectral image classification
Mamba
morphology
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.2
论文数:
125
被引数:
4.7K
机构
引用论文
Semi-Supervised Multiscale Dynamic Graph Convolution Network for Hyperspectral Image Classification用于高光谱图像分类的半监督多尺度动态图卷积网络
PREAI
分享收藏IGroupSS-Mamba: Interval Group Spatial-Spectral Mamba for Hyperspectral Image ClassificationIgroupss-mamba: 用于高光谱图像分类的间隔组空间光谱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Dual selective fusion transformer network for hyperspectral image classification.png)
NEURAL NETWORKS
NEURAL NETWORKSIF6.3
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
查看更多内容