.png){kind=icon}
返回
Multiscale Sample Transformer for Hyperspectral Image Classification
.png){kind=icon}
PRE
AI
DOI：10.1109/TGRS.2025.3642126.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）捕获数百个窄波段，为各种应用领域提供了丰富的空间和光谱信息。近年来，深度学习技术在HSI处理中显示出巨大潜力，多种模型被探索。然而，CNN模型中卷积核的固定几何结构阻碍了长期依赖关系之间的交互，且现有的Transformer方法未能充分利用HSI数据的谱结构特征。为解决这些问题，我们提出了一种多尺度样本Transformer（MSST），通过两个独立分支有效提取空间和光谱特征。在光谱分支中，单个目标像素的光谱序列被用作输入样本，并提出了一种光谱Transformer（SpecFormer）以全面提取光谱结构特征。在空间分支中，由目标像素及其邻域像素构成的3-D张量被用作输入样本，进行降维处理后，设计了一种空间Transformer（SpatFormer）以高效提取HSI数据的深层空间特征。因此，MSST扩大了感受野并捕获了综合的联合空间–光谱特征。在五个广泛使用的高光谱数据集上进行的大量实验证明了所提出框架的分类性能优势。我们的源代码将发布于https://github.com/zhwt-xidian/Multi-Scale-Samples-Transformer_MSST。
Keyword:
Convolution neural network (CNN)
hyperspectral image (HSI) classification
spatial–spectral transformer (SpecFormer)
期刊
IF:
8.6
论文数:
2.2W
被引数:
10.7W
机构
引用论文
Hyperspectral Image Classification Based on Spectral-Spatial Attention Tensor Network基于光谱-空间注意张量网络的高光谱图像分类
PREAI
分享收藏Crop classification based on multi-temporal PolSAR images with a single tensor network.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
分享收藏Iterative Random Training Sampling Convolutional Neural Network for Hyperspectral Image Classification用于高光谱图像分类的迭代随机训练采样卷积神经网络
OAAI
OAAI分享收藏分享收藏Spectral and Spatial Classification of Hyperspectral Data Using SVMs and Morphological Profiles
PREAI
分享收藏
查看更多内容