Multiscale Sequence Aware Mamba for Hyperspectral Image Classification

Fulin Xu

doi:10.1109/jstars.2026.3703951

Multiscale Sequence Aware Mamba for Hyperspectral Image Classification

2026-01-01

0

PRE

AI

DOI：10.1109/jstars.2026.3703951

原文链接

原文求助

摘要

En 中文

受益于状态空间模型，Mamba-based网络能够有效建模长距离序列依赖关系，同时保持线性复杂度。然而，对于具有丰富光谱和空间信息的超光谱图像（HSIs），Mamba-based网络难以捕捉多尺度光谱-空间信息以及相邻波段间的相关性。因此，提出了一种端到端的Mamba-based网络，命名为多尺度序列感知Mamba（MSAM），其中引入了针对性的结构设计以解决Mamba在HSIs分类中的上述局限性，使其能够灵活适应不同光谱-空间尺度的地表覆盖结构。特别地，为弥补Mamba在探索多尺度和局部特征方面的不足，引入并集成了扩张卷积与Mamba，形成多尺度序列感知模块。此外，考虑到HSIs丰富的光谱信息，设计了一个光谱交互嵌入模块，用于学习像素间特征并捕捉相邻波段的相关性。最后，通过顺序堆叠这些模块构建了层次化特征金字塔，促进了多级特征的渐进提取。在四个基准数据集上进行的全面实验验证表明，所提出的MSAM在HSI分类中表现出明显优于当前最优网络的性能。

Keyword:

Modeling

Sequences

Sequential analysis

Modules (abstract algebra)

Convolution

Hyperspectral imaging

Image classification

IP networks

Accuracy

Transformers

Convolutional neural network (CNN)

hyperspectral image (HSI) classification

Mamba

multiscale feature

Multiscale Sequence Aware Mamba for Hyperspectral Image Classification

摘要

期刊

机构

引用论文