基于 Contourlet 域的知识引导复杂扩散模型用于 PolSAR 图像分类
计算机视觉与模式识别
2025-07-09 v1 图像与视频处理
摘要
扩散模型因其能够建模和生成复杂数据分布而在各个领域展现出卓越性能。然而，当应用于 PolSAR 数据时，传统的 real-valued 扩散模型面临着无法捕获 complex-valued 相位信息的挑战。此外，这些模型常常难以保持细致的结构细节。为此，我们利用 Contourlet 变换，该变换为 PolSAR 图像提供了丰富的多尺度和多方向表示，特别适用于 PolSAR 图像。我们提出了一种用于 PolSAR 图像分类的结构知识引导 complex 扩散模型。具体而言，首先对数据应用 complex Contourlet 变换，将其分解为 low- 和 high-frequency 子带，从而提取统计特征和边界特征。随后，我们设计了一个知识引导的 complex 扩散网络，用于建模 low-frequency 成分的统计特性。在此过程中，利用 high-frequency 系数的结构信息来引导扩散过程，以提高边缘保持效果。此外，我们联合学习多尺度和多方向的 high-frequency 特征，以进一步提升分类准确率。在三个真实世界的 PolSAR 数据集上进行实验结果表明，我们的方法优于 state-of-the-art 方法，尤其在保持边缘细节方面和在复杂地形中保持区域均匀性方面表现突出。
引用
@article{arxiv.2507.05666,
title = {Knowledge-guided Complex Diffusion Model for PolSAR Image Classification in Contourlet Domain},
author = {Junfei Shi and Yu Cheng and Haiyan Jin and Junhuai Li and Zhaolin Xiao and Maoguo Gong and Weisi Lin},
journal= {arXiv preprint arXiv:2507.05666},
year = {2025}
}