基于统一谱-空特征聚合的高光谱图像目标检测
计算机视觉与模式识别
2023-08-21 v2
摘要
基于深度学习的高光谱图像（HSI）分类与目标检测技术因其在图像内容分析、解译及更广泛 HSI 应用中的重要作用而受到显著关注。然而，当前高光谱目标检测方法主要强调光谱或空间信息之一，忽视了这两方面之间有价值的互补关系。在本研究中，我们提出了一种新颖的谱-空聚合（S2ADet）目标检测器，其有效利用了高光谱图像中固有的丰富光谱与空间互补信息。S2ADet 包含高光谱信息解耦（HID）模块、双流特征提取网络以及单阶段检测头。HID 模块通过波段选择与主成分分析聚合光谱与空间信息来处理高光谱图像，从而减少冗余。基于所获得的空间与光谱聚合信息，我们提出了一种用于交互谱-空特征的特征聚合双流网络。此外，为解决现有数据库的局限，我们标注了一个大规模数据集，命名为 HOD3K，包含 3242 张跨越多样真实场景采集的高光谱图像，涵盖三个物体类别。这些图像具有 512x256 像素分辨率，覆盖从 470 nm 到 620 nm 的 16 个波段。在两个数据集上的综合实验表明，S2ADet 超越了现有最先进方法，取得了鲁棒且可靠的结果。本工作的演示代码与数据集公开于 \url{https://github.com/hexiao-cs/S2ADet}。
引用
@article{arxiv.2306.08370,
title = {Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation},
author = {Xiao He and Chang Tang and Xinwang Liu and Wei Zhang and Kun Sun and Jiangfeng Xu},
journal= {arXiv preprint arXiv:2306.08370},
year = {2023}
}