一个基于HSI-X图像分类灵活混合的多阶段信息互补融合网络

科学领域:

• 遥感 遥感 遥感 遥感
• 计算机视觉 计算机视觉
• 数据科学数据科学数据科学

背景情况:

• 混合数据增强有助于模型规范化,特别是在数据稀缺的遥感中.
• 现有的混合方法可能会对标签空间产生负面影响,原因是不一致的增量比率.
• 多模式交互策略与各种遥感数据组合作斗争.

研究的目的:

• 提出一种用于高光谱X图像分类的新方法.
• 为了解决远程传感中标准Mixup增强的局限性.
• 为了有效地融合各种遥感数据模式.

主要方法:

• 引入了灵活混合 (FlexMix) 策略,通过调整标签重量来使混合图像与标签保持一致.
• 开发了一种多阶段信息互补融合网络 (MCFNet),用于高光谱和X模式数据.
• 通过多个相互作用阶段从超光谱,多光谱,SAR和LiDAR数据中提取和融合特征.

主要成果:

• Flex-MCFNet有效地扩展了用于高光谱X图像分类的训练数据.
• 拟议的方法在不同的数据组合中充分规范模型.
• 在高光谱X图像分类任务中实现了最先进的性能.

结论:

• 通过FlexMix策略,在扩展过程中减轻对标签空间的负面影响.
• MCFNet成功地集成和增强来自不同遥感模式的信息.
• 柔性MCFNet提供了一个强大的解决方案,用于远程传感图像分类与有限和多式联络数据.