HTD-Mamba：基于金字塔状态空间模型的高效高光谱目标检测
计算机视觉与模式识别
2024-07-18 v2
摘要
高光谱目标检测 (HTD) 在复杂背景下从像素级别识别感兴趣对象，发挥着在地球观测中发挥着重要作用。然而，HTD面临先验知识有限和光谱变化导致模型欠拟合和性能不可靠的挑战。为了解决这些问题，本文提出一种高效自监督 HTD 方法，采用金字塔状态空间模型 (SSM)，称为 HTD-Mamba，利用谱对比学习在目标与背景基于内在特征相似性度量来区分。具体而言，为了获取足够的训练样本并利用空间上下文信息，我们提出了一种空间编码的光谱增强技术，将 patch 中所有周围像素编码为中心像素的变换视图。此外，为了探索全局带的相关性，我们将像素划分为连续的组式光谱嵌入，并首次引入 Mamba 到 HTD 中，以线性复杂度建模光谱序列的长程依赖。进一步，为了缓解光谱变化并增强稳健表征，我们提出一种金字塔 SSM 作为骨干网络，以捕获和融合多分辨率光谱层面的内在特征。在四个公开数据集上的大量实验表明，所提出的方法在定性和定量评估方面均优于最先进的方法。代码已提供于 https://github.com/shendb2022/HTD-Mamba。
引用
@article{arxiv.2407.06841,
title = {HTD-Mamba: Efficient Hyperspectral Target Detection with Pyramid State Space Model},
author = {Dunbin Shen and Xuanbing Zhu and Jiacheng Tian and Jianjun Liu and Zhenrong Du and Hongyu Wang and Xiaorui Ma},
journal= {arXiv preprint arXiv:2407.06841},
year = {2024}
}
备注
13 pages,6 figures, 5 tables