Tensorized High-Order Hypergraph Convolutional Network for Hyperspectral Image Classification

doi:10.1109/TGRS.2025.3613347

Tensorized High-Order Hypergraph Convolutional Network for Hyperspectral Image Classification

2025-01-01

0

PRE

AI

DOI：10.1109/TGRS.2025.3613347

原文链接

原文求助

摘要

En 中文

近年来，图卷积网络（GCNs）在超光谱图像（HSI）分类中获得了越来越多的关注，这得益于其能够很好地建模像素之间的成对关系。然而，仅使用简单图难以有效建模多个像素之间的更复杂关系。为解决此问题，我们提出了一种新颖的张量化高阶超图卷积网络（TH²GCN）用于HSI分类。具体而言，采用超图结构来有效建模HSI中像素间的复杂空间关系，并提出了一种基于张量的超图代数表示法，作为描述超图高阶交互结构的强大策略。此外，通过将基于邻接矩阵的GCN扩展到张量域并利用张量分解，TH²GCN方法被设计为能以低复杂度从超图中高效提取高阶判别信息，以提升HSI分类性能。此外，构建全数据的邻接张量需要巨大的内存，尤其是对于大规模遥感图像。为此，TH²GCN采用小批量方式对HSI数据进行训练和测试。在三个HSI数据集上的实验结果表明，所提出的方法的性能优于对比方法。

Keyword:

Hypergraph convolutional networks

hyperspectral image (HSI) classification

tensor decomposition

Tensorized High-Order Hypergraph Convolutional Network for Hyperspectral Image Classification

摘要

期刊

机构

引用论文