高光谱图像分类综述：从传统方法到Transformer和Mamba模型的演进
计算机视觉与模式识别
2025-05-22 v4
摘要
高光谱图像分类由于高光谱数据的高维性和复杂性而面临重大挑战。虽然传统机器学习方法已显示出有效性，但在实际应用中常常遇到重大障碍，包括最优特征集的变异性、人为设计的主观性、固有偏差和方法论限制。具体来说，传统机器学习遭受维数灾难、特征选择和提取困难、空间信息考虑不足、对噪声的鲁棒性有限、可扩展性问题以及对复杂数据分布的适应性不足。近年来，深度学习技术已成为应对这些挑战的鲁棒解决方案。本综述全面概述了高光谱图像分类的当前趋势和未来前景，强调从深度学习模型到Transformer和Mamba模型架构日益普及的进展。我们系统回顾了高光谱图像分类中深度学习的关键概念、方法和最先进方法。此外，我们研究了基于Transformer的模型和Mamba模型在高光谱图像分类中的潜力，详细介绍了它们的优势和挑战。探讨了高光谱图像分类的新兴趋势，包括对可解释人工智能和互操作性概念的深入讨论，以及用于图像去噪、特征提取和图像融合的扩散模型。在三个高光谱数据集上进行了全面的实验结果，以证实各种传统深度学习模型和Transformer的有效性。此外，我们确定了高光谱图像分类领域中的几个开放挑战和相关研究问题。最后，我们概述了旨在提高高光谱图像分类准确性和效率的未来研究方向和潜在应用。
引用
@article{arxiv.2404.14955,
title = {A Comprehensive Survey for Hyperspectral Image Classification: The Evolution from Conventional to Transformers and Mamba Models},
author = {Muhammad Ahmad and Salvatore Distifano and Adil Mehmood Khan and Manuel Mazzara and Chenyu Li and Hao Li and Jagannath Aryal and Yao Ding and Gemine Vivone and Danfeng Hong},
journal= {arXiv preprint arXiv:2404.14955},
year = {2025}
}