变压器用于多时空的高光谱图像不混合

科学领域:

• 遥感 遥感 遥感 遥感
• 地理空间分析的研究.
• 计算机视觉 计算机视觉

背景情况:

• 多时光超光谱图像解混 (MTHU) 对于监测动态表面变化至关重要.
• 由于需要在多个时间阶段整合信息,MTHU提出了挑战.
• 现有的方法难以全面捕捉超频谱数据中的时间动态.

研究的目的:

• 开发一种先进的深度学习模型,用于多时态超光谱图像脱杂.
• 通过使用时间序列超光谱图像来增强表面动态的分析.
• 为了提高MTHU的准确性和有效性.

主要方法:

• 提出了多时态高光谱图像不混合变压器 (MUFormer),这是一个端到端无监督的深度学习模型.
• 引入了全球意识模块 (GAM),用于跨阶段的自我注意力和重量分配.
• 开发了变化增强模块 (CEM),用于动态学习局部时间变化.

主要成果:

• MUFormer有效地捕获与终端成员和丰度变化相关的多时代语义信息.
• 在真实和合成数据集上的实验结果显示,MTHU的性能显著提高.
• 与传统方法相比,该模型在分析动态变化方面表现出卓越的能力.

结论:

• MUFormer提供了一个强大的解决方案,用于复杂的多时态超光谱图像分离任务.
• 集成的GAM和CEM模块在分析超频谱数据的时间变化方面取得了最先进的进展.
• 这种方法有望改善表面监测和分析应用.