基于谱-空間混合网络的高光谱图像分类
计算机视觉与模式识别
2025-11-20 v1
摘要
本文介绍了 SS-MixNet，这是一个轻量且有效的深度学习模型，用于高光谱图像 (HSI) 分类。该架构集成了 3D 卷积层用于局部谱-空间特征提取，以及两个平行的 MLP 风格混合块，用于捕获谱和空间维度中的长程依赖。采用深度可分离卷积注意力机制，以最小计算开销增强判别能力。该模型在 QUH-Tangdaowan 和 QUH-Qingyun 数据集上进行评估，仅使用 1% 标记数据进行训练和验证。SS-MixNet 在比较方法中实现了最高性能，包括 2D-CNN、3D-CNN、IP-SWIN、SimPoolFormer 和 HybridKAN，在 Tangdaowan 和 Qingyun 数据集上分别达到 95.68% 和 93.86% 的总体准确率。结果通过定量指标和分类图得到支持，确认了该模型在有限监督条件下能够提供准确且稳健的预测。代码将公开提供：https://github.com/mqalkhatib/SS-MixNet。
引用
@article{arxiv.2511.15692,
title = {Hyperspectral Image Classification using Spectral-Spatial Mixer Network},
author = {Mohammed Q. Alkhatib},
journal= {arXiv preprint arXiv:2511.15692},
year = {2025}
}
备注
Accepted for WHISPERS2025