用于高光谱图像波段选择的Dropout Concrete自编码器
计算机视觉与模式识别
2026-05-06 v1
摘要
基于深度学习的高光谱图像信息波段选择方法最近因其能消除光谱相关性和冗余而受到广泛关注。然而，现有的基于深度学习的方法要么需要额外的后处理策略来选择描述性波段，要么由于选择过程中离散变量参数化的无能而间接优化模型。为了克服这些限制，本工作提出了一种新颖的端到端网络用于信息波段选择。所提出的网络受到concrete自编码器和dropout特征排序策略进展的启发。与传统的基于深度学习的方法不同，所提出的网络在给定所需波段子集的情况下直接训练，无需进一步后处理。在四个高光谱图像场景上的实验结果表明，所提出的dropout CAE取得了显著且有效的性能水平，优于竞争方法。
引用
@article{arxiv.2401.16522,
title = {Dropout Concrete Autoencoder for Band Selection on HSI Scenes},
author = {Lei Xu and Mete Ahishali and Moncef Gabbouj},
journal= {arXiv preprint arXiv:2401.16522},
year = {2026}
}