基于离散小波变换的包容网络用于高光谱图像分类
计算机视觉与模式识别
2025-01-09 v1
摘要
高光谱图像（HSI）分类是遥感中构建大规模地球监测系统的关键技术。HSI相较于传统视觉图像拥有更多信息，可用于确定目标地物的类别。最近的可行方案是利用包容网络（CapsNets）来捕获光谱-空间信息。然而，这些方法由于堆叠的包容层之间存在全连接结构，导致计算需求较高。为解决此问题，提出一种基于离散小波变换（DWT）的包容网络（DWT-CapsNet），用于在包容网络中识别部分但重要的连接，以实现高效和高效的HSI分类。具体而言，我们将定制注意力机制集成到基于DWT的下采样层中，从而减轻常规特征提取器中下采样操作信息损失的问题。此外，我们提出一种新的多尺度路由算法，用于削减包容网络中大比例的连接。设计一种胶囊金字塔融合机制，用于聚合多个层次粒度的光谱-空间关系，然后在部分和局部连接结构中进一步采用注意力机制，以强调有意义的关系。如实验结果所示，我们的方法在保持较低计算需求（运行时间、FLOPs和参数数量）的同时，实现了高精度，为HSI分类的实际应用提供了吸引人的选择。
引用
@article{arxiv.2501.04643,
title = {Discrete Wavelet Transform-Based Capsule Network for Hyperspectral Image Classification},
author = {Zhiqiang Gao and Jiaqi Wang and Hangchi Shen and Zhihao Dou and Xiangbo Zhang and Kaizhu Huang},
journal= {arXiv preprint arXiv:2501.04643},
year = {2025}
}
备注
28 Pages; 9 Figure