用于高光谱图像分类的光谱空间波和频率交互变压器

科学领域:

• 遥感 遥感 遥感 遥感
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 准确的高光谱图像 (HSI) 分类需要高效的光谱空间特征提取.
• 现有的方法往往忽略了区分频域组件,因为它们运行在原始输入上.
• 卷积神经网络 (CNN) 和变压器分别在局部和全球依赖方面表现出色,但缺乏明确的频率分析.

研究的目的:

• 开发一种新的光谱空间波和频率交互变压器,用于HSI分类.
• 将频率感知和相位感知令牌表示集成到一个统一的变压器框架中.
• 通过结合明确的频域分解来克服现有架构的局限性.

主要方法:

• 利用CNN的骨干进行初始的光谱空间特征提取.
• 开发了一种频域变压器编码器,配备了互补的光谱空间频率和波浪发生器.
• 采用光谱空间交互模块和局部全球调制器来进行特征融合和改进.

主要成果:

• 拟议的模型在五个基准HSI数据集上实现了最先进的分类性能.
• 证明了高的整体准确率:98.49%,98.60%,99.07%,98.29%和97.97%.
• 始终优于现有的HSI分类方法.

结论:

• 频率和相位信息的整合显著提高了光谱空间特征表示.
• 拟议的光谱空间波和频率交互变压器为HSI分类提供了一个强大的新方法.
• 该模型的有效性通过其在多个数据集中的卓越性能来验证.