在远程传感中使用单像素无图像方法对抗流的对象分类.
Yin Cheng1,2,3, Yusen Liao1,2,3, Jun Ke1,2,3
1School of Optics and Photonics, Beijing Institute of Technology, Beijing 100081, China.
Sensors (Basel, Switzerland)
|July 12, 2025
概括
本研究引入了一种使用单像素成像 (SPI) 进行遥感的无图像分类方法. 这种新的框架甚至在大气流和低信号条件下实现了强大的对象分类.
科学领域:
- 光学和光子学 在光学和光子学.
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
背景情况:
- 遥感对象的分类受到大气流和低信号的挑战.
- 传统的图像重建方法在恶化条件下是计算密集的,不可靠的.
研究的目的:
- 开发一种新的无图像分类框架,用于在具有挑战性的遥感环境中进行强大的物体识别.
- 为了绕过计算上昂贵的图像重建,从1D测量直接进行分类.
主要方法:
- 一个单像素成像 (SPI) 框架,使用可学习的采样矩阵进行结构化光调制.
- 一个混合的卷积神经网络 (CNN) - 变压器网络 (Hybrid-CTNet) 用于强大的特征提取.
- A (N+1) ×L混合策略集成卷积和变压器块,以提高弹性.
主要成果:
- 与现有的基于图像和无图像方法相比,提出的方法显示出更高的分类准确性和计算效率.
- 通过广泛的模拟和在不同流强度下的光学实验验证的有效性.
- 在采样率低至1%的情况下成功进行分类.
结论:
- 新型无图像的SPI框架提供了一个强大而高效的解决方案,用于在退化的遥感条件下对象的分类.
- 混合CTNet架构增强了对大气动荡的弹性.
- 强调了低资源,实时遥感应用的潜力.
