HS-Mamba：用于高光谱图像分类的全场交互多组Mamba
计算机视觉与模式识别
2025-04-23 v1
摘要
高光谱图像(HSI)分类是遥感领域的一个热门话题。最近，基于选择状态空间模型(S6)的Mamba架构在长序列建模方面显示出巨大的优势。然而，高光谱数据的独特属性，如高维度和特征内联，构成了将Mamba应用于HSI分类的挑战。为弥补这些不足，我们提出了一个全场交互多组Mamba框架(HS-Mamba)，采用与像素-块基于或整体图像基于不同的策略，结合两者的优势。从整幅图像中切割的块被发送到多组Mamba中，结合位置信息以感知时空域中的局部内联特征，而整幅图像被发送到轻量级注意力模块以增强其全局特征表示能力。具体而言，HS-Mamba由双通道空域-光谱编码器(DCSS-encoder)模块和轻量级全局内联注意力(LGI-Att)分支组成。DCSS-encoder模块使用多个Mamba组来解耦和建模双通道序列的局部特征，而LGI-Att分支使用轻量级压缩和扩展注意力模块来感知未分段整幅图像的时空域全局特征。通过融合局部和全局特征，实现了高精度的高光谱图像分类。广泛实验表明，所提出的HS-Mamba在四个基准HSI数据集上优于最先进的方法。
引用
@article{arxiv.2504.15612,
title = {HS-Mamba: Full-Field Interaction Multi-Groups Mamba for Hyperspectral Image Classification},
author = {Hongxing Peng and Kang Lin and Huanai Liu},
journal= {arXiv preprint arXiv:2504.15612},
year = {2025}
}