IGroupSS-Mamba：用于高光谱图像分类的区间分组时空-频谱 Mamba
计算机视觉与模式识别
2024-10-08 v1 图像与视频处理
摘要
高光谱图像（HSI）分类在遥感领域引起了广泛关注。最近基于选择性状态空间模型（S6）构建的 Mamba 架构在长程序列建模方面显示出巨大的潜力。然而，高光谱数据的高维度和信息冗余构成了将 Mamba 应用于 HSI 分类的挑战，导致性能不佳且计算效率低下。鉴于此，本文提出一种轻量级区间分组时空-频谱 Mamba 框架（IGroupSS-Mamba），用于 HSI 分类，能够以分组和层次化方式实现多方向、多尺度的全局时空-频谱信息提取。技术上，开发了区间分组 S6 机制（IGSM）作为核心组件，该机制在间隔处将高维特征划分为多个非重叠组，然后为每个组集成一个具有特定扫描方向的单向 S6，以实现非冗余的序列建模。与针对所有频段应用多方向扫描不同，此分组策略利用了不同扫描方向的互补优势，同时降低了计算成本。为了充分捕获时空-频谱上下文信息，引入区间分组时空-频谱模块（IGSSB），其中级联了两个基于 IGSM 的时空和频谱算子，分别沿时空维度和频谱维度 characterize 全局时空关系。IGroupSS-Mamba 由多个 IGSSB 模块堆叠而成，集成了基于像素聚合的下采样策略，以实现从浅层到深层的多尺度时空-频谱语义学习。大量实验表明，IGroupSS-Mamba 在与最先进方法之间取得了显著优势。
引用
@article{arxiv.2410.05100,
title = {IGroupSS-Mamba: Interval Group Spatial-Spectral Mamba for Hyperspectral Image Classification},
author = {Yan He and Bing Tu and Puzhao Jiang and Bo Liu and Jun Li and Antonio Plaza},
journal= {arXiv preprint arXiv:2410.05100},
year = {2024}
}