Progressive Hybrid-Order Hypergraph Framework for Hyperspectral Image Classification

Bing Yang

doi:10.1109/TGRS.2025.3618456

Progressive Hybrid-Order Hypergraph Framework for Hyperspectral Image Classification

2025-01-01

0

PRE

AI

DOI：10.1109/TGRS.2025.3618456

原文链接

原文求助

摘要

En 中文

超图神经网络（HGNNs）因其能够建模高阶非线性关系，已在高光谱图像（HSI）分类中获得了广泛关注。然而，大多数现有的基于HGNN的HSI分类方法采用简单的超图结构，未能充分利用HSI中的低阶和高阶信息。此外，这些方法受限于刚性的单尺度超像素分割，无法充分捕获HSI丰富的光谱-空间特征。为克服这些局限性，本文提出了一种渐进式混合阶超图框架（PHHF），其建立了一种图-超图协同学习范式，用于学习跨层次图的多尺度混合阶特征。具体而言，通过协同建模多种结构信息，我们开发了一种渐进式HGNN框架以增强HSI的层次表示提取。其次，在每一层级，设计了一种新颖的混合阶超边生成策略，以增强跨尺度的光谱-空间一致性并克服现有超图方法的局限性。最后，引入了一种新颖的异构核卷积（HetConv），用于增强PHHF的像素级特征提取。与常规卷积相比，HetConv以更低的计算成本提供更丰富的空间-光谱细节。在广泛使用的高光谱数据集上的大量实验表明，所提出的方法实现了当前最优的HSI分类性能。

Keyword:

Hybrid-order hypergraph

hypergraph neural network (HGNN)

hyperspectral image (HSI) classification

Progressive Hybrid-Order Hypergraph Framework for Hyperspectral Image Classification

摘要

期刊

机构

引用论文