高光谱遥感图像显著性目标检测：首个基准数据集与基线模型
计算机视觉与模式识别
2025-04-04 v1
摘要
高光谱遥感图像显著性目标检测（HRSI-SOD）的目标是识别与背景呈现显著光谱对比度的对象或区域。该领域具有重要的实际应用前景，但因缺乏专门的数据集和方法而进展有限。为填补这一鸿沟并刺激进一步研究，本文引入了首个HRSI-SOD数据集，称为HRSSD，包含704个高光谱图像和5327个像素级标注的显著性目标。HRSSD数据集因尺度差异大、前景-背景关系多样以及多显著性目标而对显著性目标检测算法构成重大挑战。此外，我们提出了一种创新且高效的HRSI-SOD基线模型，称为Deep Spectral Saliency Network（DSSN）。DSSN的核心是Cross-level Saliency Assessment Block（跨层显著性评估模块），它在每个空间位置上执行像素级注意力，并评估多尺度相似图在每个空间位置的贡献，有效减少杂乱区域的错误响应，并强调跨尺度的显著区域。此外，High-resolution Fusion Module（高分辨率融合模块）结合底部融合策略和学习的空间上采样，利用多尺度显著性图的优势，确保对小目标的精确定位。在HRSSD数据集上进行的实验稳健地验证了DSSN的优越性，凸显了该领域需要专门数据集和方法的关键性。进一步在HSOD-BIT和HS-SOD数据集上的评估表明所提出方法具有普适性。数据集和源代码已公开于https://github.com/laprf/HRSSD。
引用
@article{arxiv.2504.02416,
title = {Hyperspectral Remote Sensing Images Salient Object Detection: The First Benchmark Dataset and Baseline},
author = {Peifu Liu and Huiyan Bai and Tingfa Xu and Jihui Wang and Huan Chen and Jianan Li},
journal= {arXiv preprint arXiv:2504.02416},
year = {2025}
}
备注
Accepted by TGRS 2025