聚类引导的空间-光谱 Mamba 用于高光谱图像分类
计算机视觉与模式识别
2026-01-23 v1 机器学习
摘要
尽管 Mamba 模型极大地改进了高光谱图像（HSI）分类，但它们在定义高效且自适应的令牌序列以提升性能方面仍面临关键挑战。因此，本文提出了 CSSMamba（聚类引导的空间-光谱 Mamba）框架以更好地应对这些挑战，并做出以下贡献。首先，为实现高效且自适应的令牌序列以提升 Mamba 性能，我们将聚类机制集成到空间 Mamba 架构中，形成了一个聚类引导的空间 Mamba 模块（CSpaMamba），该模块减少了 Mamba 序列长度并增强了 Mamba 特征学习能力。其次，为改进空间和光谱信息的学习，我们将 CSpaMamba 模块与一个光谱 Mamba 模块（SpeMamba）集成，形成了一个完整的聚类引导的空间-光谱 Mamba 框架。第三，为进一步提升特征学习能力，我们引入了一种注意力驱动的令牌选择机制来优化 Mamba 令牌排序。最后，为以连贯的方式将聚类无缝集成到 Mamba 模型中，我们设计了一个可学习的聚类模块，以自适应方式学习聚类隶属度。在帕维亚大学、印第安松树和辽宁 01 数据集上的实验表明，与最先进的 CNN、Transformer 和基于 Mamba 的方法相比，CSSMamba 实现了更高的精度和更好的边界保持。
引用
@article{arxiv.2601.16098,
title = {Clustering-Guided Spatial-Spectral Mamba for Hyperspectral Image Classification},
author = {Zack Dewis and Yimin Zhu and Zhengsen Xu and Mabel Heffring and Saeid Taleghanidoozdoozan and Quinn Ledingham and Lincoln Linlin Xu},
journal= {arXiv preprint arXiv:2601.16098},
year = {2026}
}
备注
5 pages, 3 figures