通过跨场景知识集成增强高光谱图像分类中的知识迁移
计算机视觉与模式识别
2025-12-11 v1
摘要
知识迁移在提高高光谱图像（HSI）分类方面具有巨大潜力，但两个固有挑战从根本上限制了有效的跨域迁移：不同传感器引起的光谱变化以及异质场景间的语义不一致。现有方法受限于假设同质域或仅共现类别的异质场景的迁移设置。当标签空间不重叠时，它们进一步依赖源域的完全覆盖，因此忽略了关键的私有目标信息。为了克服这些限制并在完全异质设置中实现知识迁移，我们提出了跨场景知识集成（CKI）框架，该框架在迁移过程中明确纳入目标私有知识。CKI 包括：（1）光谱特征对齐（ASC），通过域无关投影减少光谱差异；（2）跨场景知识共享偏好（CKSP），通过源相似性机制（SSM）解决语义不匹配；以及（3）互补信息集成（CII），以最大化利用目标特定的互补线索。大量实验验证了 CKI 在多样化跨场景 HSI 场景中达到了最先进性能并具有强稳定性。
引用
@article{arxiv.2512.08989,
title = {Enhancing Knowledge Transfer in Hyperspectral Image Classification via Cross-scene Knowledge Integration},
author = {Lu Huo and Wenjian Huang and Jianguo Zhang and Min Xu and Haimin Zhang},
journal= {arXiv preprint arXiv:2512.08989},
year = {2025}
}